Question

我试图用h2o deeplearning模型预测美国机场的滑行时间：

#Deep learning neural network

  deep<-h2o.deeplearning(
    training_frame = train,
    validation_frame = valid,
    x=predictors,
    y=target,
    #distribution = "gaussian",
    #loss = "Automatic",
    hidden=c(200,200,200),
    epochs = 50,
    #activation="Rectifier",
    stopping_metric="deviance",
    stopping_tolerance=1e-4,      # stops when deviance does not improve by 
                                     >=0.0001 for 5 scoring events
  )

  summary(deep)

这是截断的变量重要性列表：

变量重要性：

         variable relative_importance scaled_importance percentage
1     Event_1.Fog            1.000000          1.000000   0.024205
2    Event_2.Rain            0.983211          0.983211   0.023799
3      CARRIER.NK            0.946493          0.946493   0.022910
4 Event_1.noevent            0.936131          0.936131   0.022659
5     cos_deptime            0.934558          0.934558   0.022621

我理解“重要性”是根据变量的相对影响来计算的，但我如何知道该变量是否有助于增加或减少滑行时间？ h2o是否用符号显示每个变量的系数？我已经阅读了这篇文章http://h2o-release.s3.amazonaws.com/h2o/latest_stable_doc.html，但它没有解释，例如，变量雾或雨是否会增加或减少滑行时间以及减少多少。

Answer 1

H2O深度学习（或RF或GBM，对此问题）的变量重要性与GLM中的系数大小（可以是正数或负数）没有相同的解释，这正是您所描述的。它可以被解释为＆＃34;这个变量在预测结果中的重要性，并且该度量与模型中的其他变量相关。

如H2O Deep Learning documentation中所述，我们使用一种称为Gedeon方法的技术来计算此度量。（RF和GBM使用不同的方法）。

h2o deeplearning：什么是输入变量影响/系数？

1 个答案: