R 中的 h2o：当我的目标特征是二进制时，模型会产生一个负的 predClass 值。这是什么意思？

Question

当我的目标特征是二进制时，我的模型正在生成一个负预测分类器。这是否意味着 h2o.deeplearning 中的神经网络只是认为负值超过 100% 可能为零？

我的代码如下：

modeldataset <- h2o.importFile(path = modeldata)

train<- as.h2o(modeldataset)
model<- h2o.deeplearning(x = colnames(train[1:45]), y = "Target", training_frame=train, 'exact_quantiles= False', score_training_samples = 0)

as.h2o(testdata)
as.h2o(modeldataset)

testdata$predClass = h2o.predict(model, newdata=testdata)    # obtain the class (0/1)
testdata$predProb = h2o.predict(model, newdata=testdata)

 h2o.exportFile(testdata, 'file/path', parts = 1)

为什么我的一些预测是负面的？对于任何格式错误提前道歉，我是 Stack Overflow 的新用户。

Answer 1

此问题已被问过几次，通常问题是您忘记将数值响应转换为因子（请参阅 as.factor 函数）and/or 指定 distribution算法中的参数为bernoulli.

查看分布参数的 documentations 概览应该有助于理清思路。

R 中的 h2o：当我的目标特征是二进制时，模型会产生一个负的 predClass 值。这是什么意思？

h2o in R : model produces a negative predClass value when my target feature is binary. What does this mean?

r

h2o