h2o.randomforestOut of bag サンプルで MSE を計算し、マルチノメール分類問題のトレーニングを行っているのはなぜですか?
h2o.randomforest を使用してバイナリ分類も行いましたが、以前は計算AUCしout of bag sampleてtrainingいましたが、マルチ分類の場合、ランダム フォレストは疑わしいと思われる MSE を計算しています。このスクリーンショットをご覧ください。
私のターゲット変数は、4 つの因子水準model1、model2、model3およびを含む因子でしたmodel4。スクリーンショットでは、これらの要因の混同マトリックスも表示されます。
誰かがこの動作を説明できますか?
二項分類と多項分類の両方で MSE が表示されるため、両方のモデルのスコアリング履歴テーブルに表示されます (training_MSE 列が強調表示されています)。
H2O は多項式 AUC を評価しません。評価方法はいくつかありますが、広く採用されている方法はまだありません。pROCパッケージでは、Hand と Till の方法について説明していますが、プロットできず、結果がほとんどテストされていないと述べています。対数損失と分類誤差は、それぞれ多項式コンテキストでの評価の標準的な方法を持っているため、分類に固有に引き続き使用できます。
強調表示したように、4 つの因子レベルを比較する混同行列があります。さらに何を期待しているかを明確にできますか？4 つの個別の混同行列を探していた場合、4 列のテーブルにはそれらを計算できる十分な情報が含まれています。