使用H2O从R到Python创建类似的决策树模型

Question

我目前正在尝试使用H2O建立一个决策树模型

我看到一些问题，说我们可以通过在内部扭曲命令来使用随机林

如何将R代码更改为H2O Python代码

tree = rpart(test ~ ., control = rpart.control(minbucket = nrow(data_test)/100, maxdepth = 2))

我的那个看起来很奇怪，不起作用

rf_model = H2ORandomForestEstimator(balance_classes=True, ntrees=1, max_depth=2,
                                 mtries=10, seed=123, score_each_iteration=True)

rf_model.train(x=features, y='test', training_frame=h2o_df)

Answer 1

您可以尝试使用以下H2O函数：H2O.randomForest（）（link with an example）

关于您的参数，对于min_bucket，我会尝试min_rows=1，即使min_rows应用于所有叶，而不仅仅是终端叶