h2o检查站真正做了什么？

Question

h2o检查点实际上做了什么？是否使用说

创建模型

gbm_continued = H2OGradientBoostingEstimator(checkpoint= gbm_orig.model_id, ntrees = 50, seed = 1234)

是否意味着如果我们不对任何新数据进行训练，gbm_continued将具有与gbm_orig相同的参数和预测性能？

docs，说“这将构建一个新模型作为先前生成的模型的延续”，但我对“延续”实际意味着什么感到困惑。非常感谢您的解释。感谢

Answer 1

关键参数是ntrees（epochs，用于深度学习模型）。我将引用我自己的书（实用机器学习与H2O，第103页）：

  

指定纪元或树木数量时，请指定总金额   你想要的训练，如果你从头开始，而不是你想要多少额外的纪元或树木。

因此，在您的情况下，如果您的原始模型是使用50棵树制作的，那么您的新模型实际上只会复制现有模型。但是如果您的原始模型是使用ntrees = 20制作的，并且您的新模型将其用作检查点但使用ntrees = 50，那么它将为模型添加30多个树。

某些参数必须保持不变，但有些参数可以更改。例如。你可能会降低学习率。