我目前正在将H2O用于分类问题数据集。我正在python 3.6环境中使用H2ORandomForestEstimator对其进行测试。我注意到预测方法的结果给出0到1之间的值（我假设这是概率）。
在我的数据集中，目标属性为数字，即True的值为1，而False的值为0。我确保将类型转换为目标属性的类别，但仍同样的结果。
然后我修改了代码，仍然使用H2OFrame上的asfactor()方法将目标列转换为因数，结果没有任何变化。
但是当我分别将target属性中的值分别更改为1和0的True和False时，我得到的是预期结果（即输出是分类而不是概率）。
答案 0 :(得分：12)
从原理和理论上讲，硬分类和软分类（即分别返回类和概率）是不同的方法，每种方法各有优缺点。例如，请考虑论文Hard or Soft Classification? Large-margin Unified Machines中的以下内容：
基于边距的分类器在机器学习和分类问题的统计中都很流行。在众多分类器中，有些是 hard 分类器，而有些是 soft 分类器。软分类器显式估计类的条件概率，然后根据估计的概率执行分类。相反，硬分类器直接针对分类决策边界，而不产生概率估计。这两种类型的分类器基于不同的哲学，各有千秋。
也就是说，实际上，当今使用的大多数分类器，包括随机森林（我能想到的唯一例外是SVM系列）实际上都是 soft 分类器：它们在底层实际产生的内容是一种类似概率的度量，其后与隐式阈值（通常在二进制情况下默认为0.5）结合使用，从而获得诸如0/1或True/False的硬类成员资格
获得分类预测结果的正确方法是什么？
对于初学者来说，从概率到困难的类总是可能的，但事实并非如此。
一般来说，鉴于您的分类器实际上是 soft 的分类器，仅获取最终的硬分类（True/False）会使过程具有“黑匣子”的味道，这在原则上应该是不可取的；直接处理产生的概率，并且（重要！）明确控制决策阈值应该是此处的首选方法。根据我的经验，这些都是新手往往会迷失的精妙之处。例如，从交叉验证线程Classification probability threshold中考虑以下内容：
当您为新样本的每个类别输出概率时，练习的统计部分结束。选择一个阈值以将新观察值分类为1 vs. 0不再是统计的一部分。它是决定组件的一部分。
除了像上面的“软”参数（无意中的双关语）外，在某些情况下，您需要直接处理基础概率和阈值，即二进制分类中默认阈值为0.5的情况会使您误入歧途，尤其是在班级不平衡的时候；有关这种情况的具体示例，请参见High AUC but bad predictions with imbalanced data中的答案（及其中的链接）。
说实话，我对您报告的H2O行为感到惊讶（我个人没有使用过），即输出的种类受输入的表示影响；事实并非如此，如果确实如此，我们可能会遇到设计不良的问题。例如，比较scikit-learn中的Random Forest分类器，它包括两种不同的方法predict和predict_proba，分别获得硬分类和基础概率（并检查文档，很明显， predict的输出是基于概率估计的，之前已经计算过。）
如果概率是数字目标值的结果，那么在进行多类分类时如何处理？
除了简单的阈值不再有意义以外，原则上这里没有新内容。再次，来自scikit-learn中的随机森林predict文档：
预测类别是具有最高平均概率估计的类别
也就是说，对于3个类别(0, 1, 2)，您将得到[p0, p1, p2]的估计值（根据概率规则，元素的总和为1），而预测的类别是具有{最高概率，例如[0.12, 0.60, 0.28]的情况下为＃1类。这是一个具有3类虹膜数据集的reproducible example（用于GBM算法和R中，但基本原理相同）。
答案 1 :(得分：3)
添加到@desertnaut的答案中，并且由于您将此问题标记为Python，因此下面是处理问题的最后一部分的方法：
如果概率是数字目标值的结果，那么在进行多类分类时如何处理？
y_pred = np.argmax(prob, axis=1)
这会将(num_examples, n_classes)概率值数组转换为(num_examples, )预测类数组。