J'ai remarqué un ajout relativement récent à la suite h2o.ai, la possibilité d'effectuer une mise à l'échelle Platt supplémentaire pour améliorer l'étalonnage des probabilités de sortie. (Voir calibrate_model
in h2o manual.) Néanmoins, peu de conseils sont disponibles sur les documents d'aide en ligne. En particulier, je me demande si, lorsque Platt Scaling est activé:h2o.ai Platt Scaling calibration
- Comment cela affecte le classement des modèles? C'est-à-dire, la mise à l'échelle de platt est-elle calculée après la mesure de classement ou avant?
- Comment cela affecte les performances de calcul?
- Le
calibration_frame
peut-il être le même quevalidation_frame
ou ne devrait pas (à la fois sous un calcul ou d'un point de vue théorique)?
Merci à l'avance
Merci Erin pour le guidage. Je suggère d'incorporer cela dans les documents h2oai, au moins dans un format synthétique –
Oui, nous allons ajouter cela aux docs. –