如何解释随机森林分类的 H2O .predict 方法的输出？答案

【问题标题】：How to interpret the output of H2O .predict method for random forest classification?如何解释随机森林分类的 H2O .predict 方法的输出？
【发布时间】：2018-06-11 22:28:48
【问题描述】：

当我在训练有素的模型上使用 predict 方法时，我得到一个 1 行 206 列的输出。它似乎有 206 个值，范围从 0 到 1。这种类型是有道理的，因为模型的输出是分类变量，值 0 和 1 作为可能值。但是我没有得到 206 个值，据我了解，输出应该是 0 或 1 的值。206 个值是什么意思？

过去一个小时左右，我浏览了 h2o 文档，但似乎找不到解释如何解释 predict 输出的 206 个值，而我期望一个值是 0 或 1。

谢谢。

【问题讨论】：

请提供一些上下文。你在什么上使用predict？单个样本？测试集？如果是第二个，它包含多少个样本？

标签： python random-forest h2o

【解决方案1】：

评论后更新：第一列是您的模型选择的答案。其余 205 列是 205 个类别中每个类别的预测置信度。（这意味着您要预测的任何内容都是具有 205 个级别的因子（又名枚举）列。）这 205 个列的总和应为 1.0。

列名应该是一个很好的线索：第一列是“预测”，但其他列是您的 205 个类别中的每一个的标签。

（旧答案，基于假设它是 206 行，1 列！）

如果 predict 为您提供单列输出，则表示您进行了回归，而不是分类。

因为模型的输出是分类变量，值 0 和 1 作为可能的值，所以这种做法很有意义。

H2O 已经看到了那些 0 和 1，并假设它们是数字，而不是类别。要进行分类，您只需将该列更改为枚举（H2O 的内部术语），即因子（R/Python H2O API 术语）。（在将数据加载到 H2O 之后，在拆分或制作任何模型之前立即执行此步骤。）

例如如果 data 是您的 H2O 框架，answer 是您的列的名称，其中包含 0 和 1 类别，您会这样做：

data["answer"] = data["answer"].asfactor()

如果您的任何其他列看起来是数字但实际上应该被视为因素，您可以像这样一次执行多个列：

factorsList = ["cat1", "cat2", "answer"]
data[factorsList] = data[factorsList].asfactor()

您也可以在import the data with the col_types argument时设置列类型。

【讨论】：

感谢您非常详细的回复！我实际上已经进行了分类并将输出列设置为枚举。考虑到您提供的上下文，这是有道理的，因为我的输出实际上有多个列。我想我的问题是我不知道如何解释这些列。我只在 ONE 行上运行 predict 方法，所以我不确定如何解释 predict 输出中的 206 列。
@majorcoder 啊哈！抱歉，我在您的问题中错过了“1 行”。我已经更新了我的答案。