如何解释H2O的混淆矩阵？

Question

我正在使用h2o版本3.10.4.8。

library(magrittr)
library(h2o)

h2o.init(nthreads = -1, max_mem_size = "6g")

data.url <- "https://raw.githubusercontent.com/DarrenCook/h2o/bk/datasets/"

iris.hex <- paste0(data.url, "iris_wheader.csv") %>%
  h2o.importFile(destination_frame = "iris.hex")

y <- "class"
x <- setdiff(names(iris.hex), y)


model.glm <- h2o.glm(x, y, iris.hex, family = "multinomial")

preds <- h2o.predict(model.glm, iris.hex)

h2o.confusionMatrix(model.glm)
h2o.table(preds["predict"])

这是h2o.confusionMatrix(model.glm)：

的输出

Confusion Matrix: vertical: actual; across: predicted
                Iris-setosa Iris-versicolor Iris-virginica  Error      Rate
Iris-setosa              50               0              0 0.0000 =  0 / 50
Iris-versicolor           0              48              2 0.0400 =  2 / 50
Iris-virginica            0               1             49 0.0200 =  1 / 50
Totals                   50              49             51 0.0200 = 3 / 150

因为它说：预测，我认为这意味着该模型做出了50（0 + 48 + 2）个预测，这是Iris-versicolor。

这是h2o.table(preds["predict"])：

的输出

          predict Count
1     Iris-setosa    50
2 Iris-versicolor    49
3  Iris-virginica    51

这告诉我该模型做出了49个预测，它们是鸢尾花。

混淆矩阵是否标注不正确，或者在解释结果时是否犯了错误？

Answer 1

行名（垂直）是实际标签。

列名（跨）是预测标签。

Answer 2

你没有犯错;标签令人困惑（并导致人们认为行和列已切换）。这是fixed recently，将包含在下一版H2O中。