h2o Flow UI：构建模型，但没有用于多类的ROC曲线或AUC？

Question

引用https://dzone.com/articles/machine-learning-with-h2o-hands-on-guide-for-data

我能够按照示例进行操作，并绘制了ROC和AUC曲线，但是当我对数据进行相同的操作时，我将显示“ SCORING HISTORY-DEVIANCE”，而不是“ SCORING HISTORY-LOGLOSS”和“ ROC CURVE-培训指标”没有出现。

我的数据集有2个类，分别是0、1，而不是yes和no。决定ROC曲线是否可移植的是什么？

于2019年7月10日更新了对Maurever答复的引用： 我已经将“标签”转换为“转换为枚举”，并将分布更改为“ bernoulli”，但仍无法绘制ROC。

更新：针对与我有相同遭遇的未来用户。似乎h2o不能使用class为“ 0”和“ 1”的响应，即使您转换为枚举也是如此。我的问题通过将0和1重新标记为“正常”和“恶意”来解决，并且将绘制ROC曲线。

Answer 1

  

我的数据集有2个类，分别是0、1，而不是yes和no。

将会发生的事情是H2O决定这是一个数字列，而不是一个类别（又称因子）列。解决方法是仅在该列上使用as.factor()。只是在导入数据之后，但要在使用它来构建模型之前执行此操作。

然后，它将知道构建分类模型，而不是回归模型，您将获得期望看到的指标。

这里是一个示例：https://stackoverflow.com/a/41441578/841830（或在H2O文档中搜索as.factor，您将在其中找到更多负载）

在流中，您首先上传文件，然后单击解析文件，它会显示列列表。类别/因子列在此处称为“枚举”（是的，这很令人困惑）。您的列大概显示为数字，因此请转到下拉框并将其更改为枚举。然后开始解析。然后，在那之后，建立您的模型。

Answer 2

您必须将响应列的类型更改为“枚举”，

或将模型参数设置中的分布更改为“ bernoulli”（二项式分类）。

在图像中，您共享“ Enum（3）”，因此结果是多项式分类而不是二项式。因此，您应该看到混淆矩阵，而不是ROC曲线。 ROC曲线仅能显示2类分类（有关ROC的更多信息，请点击https://towardsdatascience.com/understanding-auc-roc-curve-68b2303cc9c5）。

您应该会看到类似的信息（如果将分布设置为“多项式”）：