确定H2O随机森林模型的准确度、精确度、召回率和F分

Question

我正在使用H2ORandomForestEstimator进行多类分类。

经过如下所示的构建和训练：

train, valid = hdf.split_frame(ratios=[.8], seed=1234)
# Build and train the model:
drf = H2ORandomForestEstimator(model_id="drf", seed=1234)
drf.train(x=predictors,
               y=response,
               training_frame=train,
               validation_frame=valid)

drf.model_performance(valid)

我可以在输出中看到每个类的RMSE、MSE和平均误差

ModelMetricsMultinomial: drf
** Reported on test data. **

MSE: 0.12204577776460168
RMSE: 0.34935050846478194
LogLoss: 0.4781165975023516
Mean Per-Class Error: 0.23864386780117242

如何获得其他指标，如准确性、精确度、召回率和F-Score？

Answer 1

精确度、召回率和F-Score仅适用于二进制分类。你有一个多类案例，这就是为什么你看不到它们的原因。有关详细信息，请参阅用户指南：http://docs.h2o.ai/h2o/latest-stable/h2o-docs/performance-and-prediction.html