从原理和理论上讲，硬分类和软分类（即分别返回 类 和 概率
）是不同的方法，每种方法都有其优点和缺点。例如，从论文硬分类还是软分类中考虑以下内容？大利润统一机：

基于边距的分类器已在机器学习和分类问题的统计中广受欢迎。在众多分类器中，有些是 硬 分类器，而有些是 软
分类器。软分类器显式估计类的条件概率，然后根据估计的概率执行分类。相反，硬分类器直接针对分类决策边界，而不产生概率估计。这两种类型的分类器基于不同的哲学，每种都有其优点。

也就是说，实际上，当今使用的大多数分类器，包括随机森林（我能想到的唯一例外是SVM系列）实际上都是 软
分类器：它们在底层实际产生的是类似于概率的量度，其后，结合隐式 阈值 （在二进制情况下，默认情况下通常为默认 值
0.5）会产生硬类成员资格，例如0/1或True/False。

什么是获得分类预测结果的正确方法？

对于初学者来说，从概率到困难的类别总是可能的，但事实并非如此。

一般而言，考虑到您的分类器实际上是一个 软
分类器，仅对最终的硬分类器（True/False）进行分类就可以给该过程带来“黑匣子”味道，这在原则上应该是不受欢迎的；直接处理产生的概率，并且（重要！）明确控制
决策阈值
应该是此处的首选方法。根据我的经验，这些都是新手往往会迷失的精妙之处。从“交叉验证线程分类”概率阈值中考虑以下内容：

当您为新样本的每个类别输出概率时，练习的统计部分结束。选择一个阈值，将新观察值分类为1 vs. 0不再是 统计信息的 一部分。它是 决策
组件的一部分。

除了上面提到的“软”自变量（非双关语）外，在某些情况下，您 需要
直接处理基础的概率和阈值，即二进制分类中默认阈值0.5会使您误入歧途，尤其是在您的课堂上不平衡
有关此类情况的具体示例，请参见我在高AUC中的答案，但对于不平衡数据（及其中的链接）的错误预测。

老实说，我对您报告的H2O行为感到惊讶（我个人没有使用过），即输出的种类受输入的表示形式影响；事实并非如此，如果确实如此，我们可能会遇到设计不良的问题。比较scikit-
learn中的Random Forest分类器，它包括两种不同的方法，predict和predict_proba，分别获得硬分类和潜在概率（并检查文档，很明显，的输出predict基于
概率估计 ，之前已经计算过）。

如果概率是数字目标值的结果，那么在进行多类分类时如何处理？

原则上，这里没有什么新内容，除了简单的阈值不再有意义的事实之外；再次，来自predictscikit-
learn中的Random Forest文档：

预测类别是具有最高平均概率估计的类别

也就是说，对于3个类别(0, 1, 2)，您将获得的估计值[p0, p1, p2]（根据概率规则，元素加总为1），而预测的类别是概率最高的类别，例如，对于，类别为＃1 [0.12, 0.60, 0.28]。这是3类虹膜数据集的可重现示例（用于GBM算法和R中，但基本原理相同）。