我已经阅读了这个问题：How should we interpret the results of the H2O predict function? 仍然不明白p1是否是[0,1]之间的概率，并且可以平等使用，因为它是一个回归，我可以应用我自己的阈值
编辑： 谢谢你的答案仍然有一些混乱，让我们挖掘它假设我的结果Y是[0,1]，如果Y是数字我运行它作为REGRESSION我有一个列作为响应。另一方面，如果Y是因子，则将其作为CLASSIFICATION运行，输出为：prediction / p0 / p1。现在，p1与使用Y作为数字相同吗？ 此外http://docs.h2o.ai/h2o/latest-stable/h2o-docs/data-science/algo-params/calibrate_model.html calibrate_model参数会影响logloss，但现在最大F1仍用作P0 P1或校准概率的阈值？我可以使用校准的概率进行回归，因为对数减少了吗？
答案 0 :(得分：1)
H2O的二元分类问题的输出将为您提供类别标签（其中阈值设置为获得最大F1分数），0级预测值（p0）和1级预测值（P1）。
如果您需要将H2O的模型参数calibrate_model设置为True，则需要实际概率，这些预测值是未校准的概率。
所以要回答你的问题，是p1是介于0和1之间的预测值（例如，您会看到类似.23，.45。，。89等的值。 ）并且因为H2O构建回归树，你可以在技术上使用1-p0来获得p1值（反之亦然），事实上除非你设置binomial_double_trees = True这正是H2O正在做的事情：它为其中一个类构建一个回归树，然后取1-（该类值）来获取另一个类的预测值。