h2o в R: модель создает отрицательное значение predClass, когда моя целевая функция является двоичной.Что это значит?

Question

Моя модель создает классификатор с отрицательным прогнозом, когда моя целевая функция является двоичной.Означает ли это, что нейронная сеть в h2o.deeplearning просто думает, что отрицательные значения более 100% могут быть нулем?

мой код выглядит следующим образом:

modeldataset <- h2o.importFile(path = modeldata)

train<- as.h2o(modeldataset)
model<- h2o.deeplearning(x = colnames(train[1:45]), y = "Target", training_frame=train, 'exact_quantiles= False', score_training_samples = 0)

as.h2o(testdata)
as.h2o(modeldataset)

testdata$predClass = h2o.predict(model, newdata=testdata)    # obtain the class (0/1)
testdata$predProb = h2o.predict(model, newdata=testdata)

 h2o.exportFile(testdata, 'file/path', parts = 1)

Почему некоторые из моихпрогнозы будут негативными?заранее извиняюсь за любые ошибки форматирования, я новый пользователь переполнения стека.

Answer 1

Этот вопрос задавался несколько раз, и, как правило, проблема в том, что вы забыли либо преобразовать свой числовой ответ как фактор (см. Функцию as.factor ), и / или указать *Параметр 1003 * в алгоритме имеет вид bernoulli.

Посмотрите на документацию Обзор параметра распределения, который должен помочь разобраться.