当我跑步时:
data_h = h2o.H2OFrame(data)
### Edit: added asfactor() below to change integer target array.
data_h["BPA"] = data_h["BPA"].asfactor()
train, valid = data_h.split_frame(ratios=[.7], seed = 1234)
features = ["bq_packaging_consumepkg", "bq_packaging_microwave_v3", "bq_packaging_plasticbottle_v2",
"bq_packaging_hotdrink_v3", "bq_packaging_microwsaran_v3","bq_food_cannedfoods_v2"]
target = "BPA"
# Hyperparameter tuning
params = {"ntrees": [50, 100, 200, 300, 400, 500, 600],
"max_depth": [10, 30, 50, 70, 90, 110],
"min_rows": [1,5,10,15,20,25]}
criteria = {"strategy": "RandomDiscrete",
"stopping_rounds": 10,
"stopping_tolerance": 0.00001,
"stopping_metric": "misclassification"}
# Grid search and Training
grid_search = H2OGridSearch(model= rf_h, hyper_params= params,
search_criteria = criteria)
grid_search.train(x = features, y = target, training_frame=train,
validation_frame = valid)
# Sorting the grid
sorted_grid = grid_search.get_grid(sort_by='auc', decreasing = True)
调用grid_search.get_grid(sort_by = 'auc', decreasing = True)
会产生以下错误:
看看documentation for the grid search中的示例,我相信我正确地使用了该方法。在
编辑:添加了将目标数组从整数数组更改为因子数组。在
这个特别的问题是如何获得多类分类问题的AUC(即目标有两个以上的因子级别-请参阅原始问题注释中的张贴图像)。H2O不计算单个类别的auc,因此如果您尝试使用其二进制分类度量
auc()
,则会返回错误。在要查看多类分类问题的可用度量,请参阅documentation
选项包括,例如:
logloss()
和mean_per_class_error()
问题是
"auc"
不是解决问题的有效指标。看起来你训练的是回归模型而不是二元分类模型,这就是为什么不允许AUC。错误消息中的度量列表是回归问题允许的度量列表。在如果您的响应列是0和1,并且您没有将其转换为因子,那么它将训练回归模型,而不是二进制分类模型。如果是这种情况,而您希望使用二进制分类模型,那么您只需首先将响应转换为因子:
相关问题 更多 >
编程相关推荐