R h2o.deeplearning 使用分类模式获取概率

Question

我正在使用 h2o.deeplearning 在分类任务上训练神经网络。

我拥有的

Y ~ x1 + x2... 其中所有 x 变量都是连续的，而 Y 是二进制的。

我想要的是

能够训练深度学习对象来预测给定行的真假概率。 也就是说，一个预测（Y）限制在 0 和 1 之间。

我尝试过的当 Y 作为数字输入时（即 0 或 1），h2o deeplearning 会自动将其视为回归问题。 这很好，除了 NN 的最后一层是线性的，而不是 tanh，并且预测值可以大于 1 或小于 0。我一直无法找到使最后一层成为 tanh 的方法.

当 Y 作为分类输入（即 TRUE 或 FALSE）时，h2o deeplearning 会自动将其视为分类问题。 它没有给我期望的 Y 为 1 或 0 的概率，而是给了我对 Y 是什么的最佳猜测。

有没有解决的办法？ 一个技巧、调整还是一个被忽视的参数？ 我在 h2o.deeplearning 文档中注意到了一个“分布”参数，但没有关于它的用途的更多信息。 我最好的猜测是它是与 GLM 相同的某种链接功能，但我不确定。

Answer 1

如果将问题视为二元分类问题，那么您不仅会得到 0 或 1 的“预测”，还会得到 p0 和 p1 的概率加起来为 1。这些是预测值是负值和正值的概率类，分别。

然后直接使用p1。