通过交叉验证 H2O Stacked Ensemble 训练数据寻找 AUC
Finding AUC through cross-validation on training data in H2O Stacked Ensemble
我想在 H2O 堆叠集成中找到训练数据的集成性能。在 link -python 代码中，它显示了测试数据的性能（AUC），但是，我需要查看训练数据的性能（每次折叠结果的平均值）。有没有可用的选项来做到这一点？
code
如果您想获得训练数据的性能，您可以直接输入集成对象并按回车键
ensemble
它会给你所有的指标，或者你可以
ensemble.auc()
这将默认为训练指标。 （可以找到代码示例片段 here）。
（但是，请注意，要了解您的整体性能，您应该真正查看新测试数据集或交叉验证指标的性能。训练评估指标（在您的情况下为 AUC），不会告诉您您的模型对新数据的泛化效果如何。）
我想在 H2O 堆叠集成中找到训练数据的集成性能。在 link -python 代码中，它显示了测试数据的性能（AUC），但是，我需要查看训练数据的性能（每次折叠结果的平均值）。有没有可用的选项来做到这一点？ code
如果您想获得训练数据的性能，您可以直接输入集成对象并按回车键
ensemble
它会给你所有的指标，或者你可以
ensemble.auc()
这将默认为训练指标。 （可以找到代码示例片段 here）。
（但是，请注意，要了解您的整体性能，您应该真正查看新测试数据集或交叉验证指标的性能。训练评估指标（在您的情况下为 AUC），不会告诉您您的模型对新数据的泛化效果如何。）