如何解决如何使用Python在H2o库中的GBM中重用cross_validation_fold_assignment
我使用H2o库运行模型。 我进行了5折交叉验证。
model = H2OGradientBoostingEstimator(
balance_classes=True,nfolds=5,keep_cross_validation_fold_assignment=True,seed=1234)
model.train(x=predictors,y=response,training_frame=data)
print('rmse: ',model.rmse(xval=True))
print('R2: ',model.r2(xval=True))
data_nfolds = model.cross_validation_fold_assignment()
我得到了交叉验证折页作业。 我尝试将其重用于具有其他参数（例如ntrees或Stopping_rounds）的新模型，但是我在文档中找不到它。
解决方法
我找到了答案。
nfolds_index = h2o.import_file('myfile_index.csv')
nfolds_index.set_names(["fold_numbers"])
data = data.cbind(nfolds_index)
model2 = H2OGradientBoostingEstimator( seed=1234)
model2.train(x=predictors,y=response,training_frame=data,fold_column="fold_numbers")
print('rmse: ',model2.rmse(xval=True))
print('R2: ',model2.r2(xval=True))
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
