R h2o - mcc 阈值交叉验证的混淆矩阵

Question

在使用 5 折交叉验证训练我的 XGBoost 模型后，我想了解模型在新数据上的性能。据我了解，模型在每次交叉验证中的表现运行是可接受的衡量标准。

使用h2o.performance(best_XGBoost, xval = T) 我可以得到交叉验证的混淆矩阵。但是，阈值是根据 F1 select 编辑的，我希望看到使用 absolute_mcc 到 select 阈值的性能。

有办法吗？

Answer 1

1。新数据的表现：

     h2o.confusionMatrix(object = yourXGBmodelHere, 
                        newdata = yourTestSetHere, 
                        metrics = "absolute_mcc")

2。简历绩效评估：

fold_ass <- h2o.cross_validation_fold_assignment(model)
cvTrain <- h2o.cbind(data.train, fold_ass)

示例：模型 1 在第一次折叠时的表现：

h2o.confusionMatrix(object=h2o.cross_validation_models(model)[[1]], 
                    newdata=cvTrain[fold_ass == 0, ], 
                    metrics = "absolute_mcc")

NB - 它假设模型是用以下方法训练的： keep_cross_validation_fold_assignment = TRUE 和 keep_cross_validation_predictions = TRUE。这样您就可以使用：

h2o.cross_validation_fold_assignment(model)
h2o.cross_validation_predictions(model)

h2o.cross_validation_models(model)

R h2o - mcc 阈值交叉验证的混淆矩阵

R h2o - confusion matrix on cross-validation for mcc threshold

r

confusion-matrix

h2o

1。新数据的表现：

2。简历绩效评估：