当我在训练有素的模型上使用predict方法时，我得到的输出是1行和206列。它似乎有206个值，范围从0到1。这种情况很有意义，因为模型的输出是分类变量，值0和1是可能的值。但我没有得到206值，因为据我所知，输出应该是0或1的值.206值是什么意思？
我花了大约一个小时左右浏览h2o文档，但似乎无法找到解释如何解释当我期望一个值为0或1时预测输出的206个值。
谢谢。
在您的评论之后更新：第一列是您的模型选择的答案。其余205列是205个类别中每个类别的预测置信度。 （这意味着你想要预测的是一个具有205个级别的因子（也就是枚举）列。）这205个列应该总和为1.0。
列名应该是一个很好的线索：第一列是“预测”，但其他列是每个205类别的标签。
（老答案，假设它是206行，1列！）
如果预测为您提供了一列输出，那么您已经进行了回归，而不是分类。
这种情况很有意义，因为模型的输出是分类变量，值0和1是可能的值。
H2O已经看到了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），即因子（R / Python H2O API术语）。 （在将数据加载到H2O之后，在拆分或制作任何模型之前立即执行此步骤。）
例如。如果data是您的H2O框架，并且answer是您的列的名称，其中包含0和1个catgeories，您可以：
data["answer"] = data["answer"].asfactor()
如果您的任何其他列看起来是数字但实际上应该被视为因子，您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import the data with the col_types argument时设置列类型。