H2O 模型用于其 predict() 方法的默认目标指标是什么?可以换?
What is the default target metric that H2O models use for their predict() method? Can change?
我正在使用 H2ORandomForestEsimator。 H2O 模型用于其 predict()
方法的默认目标指标是什么?
https://docs.h2o.ai/h2o/latest-stable/h2o-py/docs/modeling.html#h2o.automl.H2OAutoML.predict
有办法设置吗? (例如,使用在查看 get_params()
方法的结果时可以看到的其他度量最大化阈值之一)
目前正在做类似...
df_preds = mymodel.predict(df)
activation_threshold = mymodel.find_threshold_by_max_metric('f1', valid=True)
# adjust the predicted label for the desired metric's maximizing threshold
df_preds['predict'] = df_preds['my_positive_class'].apply(lambda probability: 'my_positive_class' if probability >= activation_threshold else 'my_negative_class')
见
生成预测时没有“目标指标”的概念,因为您只是预测一行数据的响应(此处没有评分)。
编辑:感谢您澄清您的问题。如果您想更改阈值的生成方式,那么您在上面所做的是一个很好的解决方案。如果您对实用函数有任何建议,可以使这更直接,请将您的想法提交 JIRA(它肯定可以改进)。
我正在使用 H2ORandomForestEsimator。 H2O 模型用于其 predict()
方法的默认目标指标是什么?
https://docs.h2o.ai/h2o/latest-stable/h2o-py/docs/modeling.html#h2o.automl.H2OAutoML.predict
有办法设置吗? (例如,使用在查看 get_params()
方法的结果时可以看到的其他度量最大化阈值之一)
目前正在做类似...
df_preds = mymodel.predict(df)
activation_threshold = mymodel.find_threshold_by_max_metric('f1', valid=True)
# adjust the predicted label for the desired metric's maximizing threshold
df_preds['predict'] = df_preds['my_positive_class'].apply(lambda probability: 'my_positive_class' if probability >= activation_threshold else 'my_negative_class')
见
生成预测时没有“目标指标”的概念,因为您只是预测一行数据的响应(此处没有评分)。
编辑:感谢您澄清您的问题。如果您想更改阈值的生成方式,那么您在上面所做的是一个很好的解决方案。如果您对实用函数有任何建议,可以使这更直接,请将您的想法提交 JIRA(它肯定可以改进)。