当我在训练的模型上使用predict方法时，我得到的输出是 1 行和 206 列。 它似乎有 206 个值，值范围从 0-1。这是有道理的，因为模型的输出是分类变量，值 0 和 1 作为可能的值。但是我没有得到 206 个值，据我了解，输出应该是 0 或 1 的值。206 个值是什么意思？
在过去的一个小时左右的时间里，我浏览了 h2o 文档，但似乎找不到如何解释如何解释预测输出的 206 个值，而我期待一个值是 0 或 1。
谢谢。
在评论后更新： 第一列是模型选择的答案。其余 205 列是 205 个类别中每个类别的预测置信度。(这意味着您要预测的任何内容都是具有 205 个水平的因子(又名枚举)列。这 205 列的总和应为 1.0。
列名称应该是一个很好的线索：第一列是"预测"，但其他列是 205 个类别中每个类别的标签。
(旧答案，基于假设它是 206 行，1 列！
如果预测为您提供了单列输出，那么您已经完成了回归，而不是分类。
这是有道理的，因为模型的输出是分类变量，值 0 和 1 作为可能的值。
H2O已经看到了这些0和1，并假设它们是数字，而不是类别。要进行分类，您只需将该列更改为枚举(H2O的内部术语)，也就是因子(R/Python H2O API术语)。(在将数据加载到 H2O 后，以及在拆分数据或制作任何模型之前，请立即执行此步骤。
例如，如果data是您的 H2O 框架，并且answer是包含 0 和 1 类别的列的名称，您将执行以下操作：
data["answer"] = data["answer"].asfactor()
如果任何其他列看起来是数字，但实际上应被视为因子，则可以一次执行多个列，如下所示：
factorsList = ["cat1", "cat2", "answer"]
data[factorsList] = data[factorsList].asfactor()
您还可以在使用 col_types 参数导入数据时设置列类型。