Question

在传统的gbm中，我们可以使用 predict.gbm（model，newsdata = ...，n.tree = ...）

这样我就可以将测试数据的结果与不同数量的树进行比较。

在h2o.gbm中，虽然它有n.tree设置，但它似乎对结果没有任何影响。它与默认模型完全相同：

h2o.test.pred <- as.vector(h2o.predict(h2o.gbm.model, newdata=test.frame, n.tree=100))
R2(h2o.test.pred, test.mat$y)
[1] -0.00714109
h2o.test.pred <- as.vector(h2o.predict(h2o.gbm.model, newdata=test.frame, n.tree=10))
> R2(h2o.test.pred, test.mat$y)
[1] -0.00714109

anybod有类似的问题吗？怎么解决？ h2o.gbm比gbm快得多，所以如果它能得到每棵树的详细结果那么棒。

Answer 1

我不认为H2O支持你所描述的内容。

但是，如果你所追求的是使用树木的数量来获得性能，那么可以在模型构建时完成。

library(h2o)
h2o.init()

iris <- as.h2o(iris)
parts <- h2o.splitFrame(iris,c(0.8,0.1))
train <- parts[[1]]
valid <- parts[[2]]
test <- parts[[3]]
m <- h2o.gbm(1:4, 5, train,
             validation_frame = valid,
             ntrees = 100, #Max desired
             score_tree_interval = 1)

h2o.scoreHistory(m)
plot(m)

分数历史记录将在添加每个新树后显示评估。 plot(m)会显示此图表。看起来20对于虹膜来说已经足够了！

顺便说一句，如果真正的目的是找出要使用的最佳树木数量，那么请提前停止，然后它会自动为您完成。（只需确保使用验证和测试数据框。）

Answer 2

截至3.20.0.6 H2O does support。您正在寻找的方法是 staged_predict_proba。对于分类模型，它会在每次迭代（树）之后针对测试框架中的每个观察结果生成预测的类概率。对于回归模型（即，当响应为数值形式时），尽管没有真正记录，但它会为测试框架中的每个观察结果生成实际的预测。

根据这些预测，假设您正在追求的那样，计算各种性能指标（AUC，r2等）也很容易。

Python API：

staged_predict_proba = model.staged_predict_proba(test)

R API：

staged_predict_proba <- h2o.staged_predict_proba(model, prostate.test)

h2o.gbm中的树木数量

2 个答案: