h2o中的预测方法-在分类的情况下预测列的含义

Question

这是我的代码（h2o的简单分类问题）

library(h2o)
h2o.init()
df_h2o <- as.h2o(Titanic)
y <- "Survived"
x <- setdiff(names(df_h2o), y)
model_test <- h2o.gbm(training_frame = df_h2o, x = x, y = y)
pred_model_test <- h2o.predict(object = model_test, newdata = df_h2o)
as.data.frame(pred_model_test)

这是最后一行的部分输出：

predict        No       Yes
1       No 0.6665519 0.3334481
2       No 0.7618396 0.2381604
3      Yes 0.3836010 0.6163990
4       No 0.6665519 0.3334481
5       No 0.6665519 0.3334481
6       No 0.7618396 0.2381604
7      Yes 0.3836010 0.6163990
8       No 0.6665519 0.3334481
9      Yes 0.4391064 0.5608936
10     Yes 0.5561055 0.4438945
11     Yes 0.5684065 0.4315935

在第11行中，预测列具有Yes，而Yes的概率仅为0.4315935。那么预测列中的值是什么？

Answer 1

请参阅文档here

预测阈值

对于分类问题，在运行h2o.predict（）或.predict（）时，预测阈值的选择如下：

如果仅使用训练数据训练模型，则使用训练数据模型指标中的最大F1阈值。 如果使用训练和验证数据训练模型，则使用验证数据模型指标中的最大F1阈值。 如果使用训练数据训练模型并设置nfold参数，则使用训练数据模型度量标准中的最大F1阈值。 如果您使用训练数据和验证数据训练模型，并且还设置了nfold参数，则会使用验证数据模型指标中的最大F1阈值。