确定H2O随机森林模型的准确性、精密度、召回率和F分数

Question

我使用H2ORandomForestEstimator进行多类别分类。

经过以下构建和培训：

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

我如何获得其他指标，如准确性、精密度、召回率和F-Score？

Answer 1

Precision、Recall和F-Score仅适用于二进制分类。你有一个多类的案例，这就是为什么你没有看到它们。《用户指南》中提供了更多信息：http://docs.h2o.ai/h2o/latest-stable/h2o-docs/performance-and-prediction.html