我正在使用h2o flow生成的DRF模型。在针对此模型运行新输入数据时（在带有EasyPredictModelWrapper的java程序中使用其MOJO），有大量UnknownCategoricalLevels（使用getUnknownCategoricalLevelsSeen()和{{1}进行检查} methods）。
我的解决方法是仅使用具有超过某个阈值（例如0.90）的预测置信度的那些预测。 IE浏览器。模型选择的classProbability必须大于要使用的阈值。
我的问题是：
getUnknownCategoricalLevelsSeenPerColumn()实际上不影响类概率值））或者它是有效解决问题的方法？感谢。
答案 0 :(得分：0)
未知的分类级别被视为该列的NA。
在不知道您的数据的详细信息（包括误报和漏报的成本影响）的情况下，我不会说您需要对具有NAs的阈值行进行任何不同的行。 （DR已经很好地处理了NA。）
请注意，内置阈值为max-F1（不是0.5）。因此，如果要更改具有未知值的行的阈值，则它相对于max-F1（不是0.5）。使用自己的阈值当然是一种有效的方法。
如果您希望可视化树木以更容易地了解NAs的行为方式，您可以按照此处的说明进行操作：
还有其他处理策略，例如对分类输入列进行目标编码，并将NA视为平均目标值。 （这有效地将分类变量转换为数字变量，但需要您预处理数据。）