我建立了一个随机森林模型(H2O库),然后在一些测试数据上检查了它的准确性。我想用F1分数作为衡量模型成功与否的指标。但是,我在文档中找不到恢复它的方法。
我知道有可能出现here
performance = best_nn.model_performance(test_data = test)
F1 = performance.F1()
但是,就我而言,由于某种原因,性能没有采用F1作为方法。 哪里出了问题,怎么可能撤退呢?
环境:
H2O cluster uptime: 7 mins 29 secs
H2O cluster timezone: Asia/Jerusalem
H2O data parsing timezone: UTC
H2O cluster version: 3.22.0.2
H2O cluster version age: 10 days
H2O cluster name: H2O_from_python_user_24aghd
H2O cluster total nodes: 1
H2O cluster free memory: 894 Mb
H2O cluster total cores: 4
H2O cluster allowed cores: 4
H2O cluster status: locked, healthy
H2O connection url: http://localhost:54321
H2O connection proxy: None
H2O internal security: False
H2O API Extensions: Algos, AutoML, Core V3, Core V4
Python version: 2.7.15 final
答案 0 :(得分:1)
似乎我已经找到了原因,这很简单:
F1仅适用于具有两个可能类别作为响应变量的模型。我的有更多。
因此,H2O并未建议该指标。