R h2o.deeplearning用分类模式获得概率

Question

我正在使用h2o.deeplearning在分类任务上训练神经网络。

我有什么

Y〜x1 + x2 ...其中所有x变量都是连续的，Y是二进制。

我想要的

能够训练一个深度学习对象来预测给定行为真或为假的概率。也就是说，预测（Y）限制在0到1之间。

我尝试过的事情 当将Y输入为数字（即0或1）时，h2o深度学习会自动将其视为回归问题。很好，除了NN的最后一层是线性的而不是tanh，并且预测值可以大于1或小于0。我无法找到一种使最终层成为tanh的方法

如果将Y输入为分类（即TRUE或FALSE），则h2o深度学习会自动将其视为分类问题。没有给我期望的Y为1或0的概率，而是给我关于Y是什么的最佳猜测。

有没有解决的办法？技巧，调整或忽略的参数？我在h2o.deeplearning文档中注意到了一个'distribution'参数，但是没有关于它的用途的更多信息。我最好的猜测是，它是某种与GLM相同的链接功能，但我不确定。

Answer 1

如果将问题视为二进制分类问题，则不仅可以得到0或1的“预测”，还可以得到p0和p1概率加起来为1的概率。这是预测值是消极类和积极类。

然后直接使用p1。