为什么我在h2o和caret :: R2（）中的测试数据集中的预测数据与实际数据之间获得了不同的R2？

Question

我想在测试数据集中的预测数据与实际数据之间获得R2，为什么h2o.performance（m，test）的结果不同于caret :: R2（）或“ lm”模型？

'h2o.performance（m，test）'为0.733401，'caret :: R2（p，a）'为0.7577784  summary（lmm）$ r.squared与'caret :: R2（p，a）'相同

示例代码：

library(h2o)

h <- h2o.init()
data <- as.h2o(iris)
part <- h2o.splitFrame(data, 0.7, seed = 123)
train <- part[[1]]
test <- part[[2]]

m <- h2o.glm(x=2:5,y=1,train, nfolds = 10, seed = 123)

summary(m)
predictions <- h2o.predict(m, test)

p <- as.data.frame(predictions)
a <- as.data.frame(test[1])
caret::R2(p,  a)
# 0.7577784
h2o.performance(m,  test)
# the R^2 is 0.733401
df <- data.frame(p=p, a=a)
lmm <- lm(predict ~ Sepal.Length, data =df)
summary(lmm)$r.squared
# the r.squared is 0.7577784

Answer 1

您可以获得以下训练指标：

m <- h2o.glm(x=2:5,y=1,train,validation_frame = test)


  #We would ideally use a validation set. 

h2o.performance(m,test)
m@model$training_metrics