H2O - 自动机器学习

---

---

要使用 AutoML，请启动一个新的 Jupyter notebook 并按照以下步骤操作。

导入 AutoML

首先使用以下两个语句将 H2O 和 AutoML 包导入项目中：

import h2o
from h2o.automl import H2OAutoML

初始化 H2O

使用以下语句初始化 h2o：

h2o.init()

您应该在屏幕上看到集群信息，如下面的屏幕截图所示：

加载数据

我们将使用本教程前面使用过的相同 iris.csv 数据集。使用以下语句加载数据：

data = h2o.import_file('iris.csv')

准备数据集

我们需要确定特征和预测列。我们使用与之前案例相同的特征和预测列。使用以下两个语句设置特征和输出列：

features = ['sepal_length', 'sepal_width', 'petal_length', 'petal_width']
output = 'class'

将数据以 80:20 的比例拆分为训练集和测试集：

train, test = data.split_frame(ratios=[0.8])

应用 AutoML

现在，我们已准备好将 AutoML 应用于我们的数据集。AutoML 将运行我们设置的固定时间，并为我们提供优化的模型。我们使用以下语句设置 AutoML：

aml = H2OAutoML(max_models = 30, max_runtime_secs=300, seed = 1)

第一个参数指定我们要评估和比较的模型数量。

第二个参数指定算法运行的时间。

现在，我们像这里所示一样在 AutoML 对象上调用 train 方法：

aml.train(x = features, y = output, training_frame = train)

我们将 x 指定为我们之前创建的特征数组，将 y 指定为输出变量以指示预测值，并将数据框指定为**训练**数据集。

运行代码，您需要等待 5 分钟（我们将 max_runtime_secs 设置为 300），直到您获得以下输出：

打印排行榜

当 AutoML 处理完成后，它会创建一个排行榜，对它评估的所有 30 种算法进行排名。要查看排行榜的前 10 条记录，请使用以下代码：

lb = aml.leaderboard
lb.head()

执行后，以上代码将生成以下输出：

显然，DeepLearning 算法获得了最高分。

在测试数据上进行预测

现在，您已经对模型进行了排名，您可以查看评分最高的模型在测试数据上的性能。为此，请运行以下代码语句：

preds = aml.predict(test)

处理会继续一段时间，完成后您将看到以下输出。

打印结果

使用以下语句打印预测结果：

print (preds)

执行上述语句后，您将看到以下结果：

打印所有算法的排名

如果要查看所有测试算法的排名，请运行以下代码语句：

lb.head(rows = lb.nrows)

执行上述语句后，将生成以下输出（部分显示）：

结论

H2O 提供了一个易于使用的开源平台，用于在给定数据集上应用不同的机器学习算法。它提供了多种统计和机器学习算法，包括深度学习。在测试过程中，您可以微调这些算法的参数。您可以使用命令行或提供的基于 Web 的界面（称为 Flow）来执行此操作。H2O 还支持 AutoML，它根据算法的性能提供算法之间的排名。H2O 在大数据上也表现良好。这绝对是数据科学家的福音，可以将不同的机器学习模型应用于他们的数据集，并选择最适合他们需求的模型。