我有一个模型，其中一些输入特征是从训练数据集(例如，值的平均值或中值)计算出来的。我试图在这个模型上执行n折叠交叉验证，但这意味着这些特性的值将根据为每个折叠选择的训练/验证样本而有所不同。在h2o (我在R中使用它)中是否有一种方法可以传递一个函数，一旦确定了训练集，就可以计算这些特性？
这似乎是一个相当直观的功能，但我一直未能找到任何类似的文件，这是现成的。它存在吗？
浏览 0提问于2018-02-22得票数 2
回答已采纳
我正在尝试使用python访问一些H2O模型的结果。import h2o
def get_model_det
浏览 15提问于2020-05-14得票数 1
回答已采纳
我正在使用H2O Python使用网格搜索构建一个随机森林模型。我在训练和验证中对数据进行分割，并使用k折叠交叉验证来选择网格搜索中的最佳模型。我能够用训练集上最好的MSE检索模型，但我想检索验证集上具有最高AUC的模型。
我可以用Python编写所有代码，但我想知道是否有一种H2O方法来解决这个问题。对我怎么做有什么建议吗？
浏览 2提问于2016-10-23得票数 2
回答已采纳
根据对功能的描述：
h2o.stack:这个函数使用用户指定的现有H2O基本模型列表创建一个“超级学习者”(叠加)集成。h2o.ensemble:这个函数使用用户指定的H2O基础学习算法创建一个“超级学习者”(叠加)集成。
浏览 4提问于2017-02-23得票数 6
回答已采纳
2回答
使用时："keep_cross_validation_fold_assignment": True有没有关于如何在Python中做到这一点的线索？
浏览 6提问于2018-07-21得票数 4
回答已采纳
我正在用H2O火花水建立GBM模型。我知道我们可以使用下面的代码查看N个文件夹的交叉验证结果：但是，是否有一种方法可以将每个文件夹的模型性能保存到数据帧中例如，将每个文件夹的AUC保存到数据框架中。
浏览 6提问于2018-11-01得票数 0
回答已采纳
1回答
我试图了解在H2o中交叉验证是如何工作的，当指定了传递'fold_column‘参数的折叠时。图书馆说：
fold_column选项指定数据集中的列，该列包含每个观察的交叉验证折叠索引分配。我假设在每次交叉验证迭代中，使用带有fold_column =i的行作为测试集，其余的行用作列车集。但是，如果我用这些分裂来分别训练和测试模型，就会得到不同的性能结果。在下面的示例中，我创建了一个值介
浏览 2提问于2020-07-28得票数 1
我在R中使用H2O AutoML进行建模，我发现AutoML支持h2o web接口页面(即Flow)上的keep_cross_validation_predictions选项，当我们使用R接口运行时，它不支持它
浏览 1提问于2018-02-01得票数 2
回答已采纳
1回答
根据的文档，H2O的python实现允许您轻松地构建集成模型。然而，这仅限于使用相同的底层培训数据构建基本分类器。我有基于时间的特性，其最小日期根据数据源的不同而变化。每个数据样本都是一个时间点。据关于R的堆叠集成实现，有一个选项，只执行金属学习步骤，应该只需要k倍交叉验证的预测，对每个基本模型和真正的目标值。
浏览 4提问于2017-07-12得票数 2
回答已采纳
3回答
我试图通过R在H2O中运行gbm模型，并得到以下错误之一：Error in tail(res$cms, 1)[[1]] : subscript out of bounds
下面是导致错误的代码行最后，我用Python语言编写了一个脚本，用week_number将这个大文件分解成单独的csv文件。在读取文件的过程中，大约有2/3的时间我得到了一个空字节异常错误。
浏览 0提问于2015-02-28得票数 3
1回答
我之所以怀疑这一点，是因为我在使用H2O的h2o.splitFrame函数或插入符号的createDataPartition函数时得到了两个完全不同的结果--当我自己手动划分数据时：
在我的数据与时间序列数据，3000-4000个数据点，使用10倍的简历，我获得了非常可接受的结果在所有的数据集:培训，验证，交叉验证，和测试集时，使用插入符号的xgboost或h2o。然而，只有使用插入符号的createDataPartition函数和H2O的h2o.sp
浏览 1提问于2017-04-18得票数 1
回答已采纳
1回答
我想检查我在h2o中非常小的df的休假一次交叉验证的结果。这是我输入的df： min_rows = 2,我在上面的代码中</em
浏览 0提问于2019-02-25得票数 1
回答已采纳
我想做一些带有交叉验证的预处理(缩放，特征工程，例如目标编码)。我知道最好的和理论上正确的方法是为交叉验证的每个训练/测试步骤分别预处理数据。但是，我使用的是H2O，除非我弄错了，否则它不允许我创建预处理管道。在我看来，这避免了从训练样本到测试样本的泄漏，但情况似乎
浏览 12提问于2018-08-23得票数 0
回答已采纳
1回答
我是H2O的新手。到目前为止，对于火车测试的分割，我已经使用了sklearn的StratifiedKFold()。在H2O中，我无法理解如何在进行交叉验证时获取索引。从我通过视频和博客收集到的信息来看，这就是我们在H2O上做简历的方式：
gbm_model = H2OGradientBoostingEstimator(model_id = 'gbm_model',nfolds
浏览 1提问于2017-11-16得票数 1
回答已采纳
1回答
我注意到，在一些运行中： train=as.h2o(u) training_framecompute_p_values = TRUE, nfolds = 10,
keep_cross_validation_predictions= TRUE) 对于模型的一些cv迭代，在AUC的交叉验证度量摘要中存在例如： print(mod@model$cros
浏览 89提问于2019-02-15得票数 0
回答已采纳
因此，当我使用10倍cv的RF时，我在每个cv (AUC为99%)中观察到了太好的结果，这是正确的，而在我的测试集中，我得到了更糟糕的结果，比如0.7。这是我的代码：from h2o.estimators import H2ORandomForestEstimator
h2o.init(port=23, nthreads=4)我在网格搜索中尝试过许多不同的参数，但是没有一个改进结果。
浏览 2提问于2017-11-13得票数 1
回答已采纳
1回答
我使用R中的h2o包创建了GBM的笛卡尔网格，并将每个模型的交叉验证指标保存在数据帧中。因此，对于每个模型，我将结果存储在model@model$cross_validation_metrics_summary中。在model@model$cross_validation_metrics_summary中，用于计算F1和F2分数、精确度、召回率和特异性的阈值是什么？是否有默认值？
浏览 9提问于2019-09-18得票数 0
回答已采纳
2回答
visualizationfviz_nbclust(df, kmeans, method = "wss")
然而，考虑到我的数据集的大小，似乎这个方法在超过一个小时后不会产生结果
浏览 19提问于2019-08-12得票数 0
2回答
当试图通过运行以下行来初始化H2O时：import h2oTraceback (most recent call last): h2o.init()
File "C:\Anaconda\lib\site-packages\h2o,ice_root=ice_root,strict_version_
浏览 5提问于2015-11-30得票数 1
回答已采纳
我研究了从xgb和gbm模型中公开Shap值的h2o.predict_contributions函数。此函数是否也提供来自交叉验证预测的这些指标？我好像找不到他们。library(h2o)data(Sonar)
mdl = h2o.xgboost(x=names(Sonar
浏览 20提问于2019-05-07得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
