在应用堆叠整体时，H2O如何衡量基础学习者？

Question

H2O如何确定基础学习者的权重？对于exp。在example中，所有基础学习者的权重是否均等？我是否有机会在metalearner_algorithm中使用正则化参数（例如岭）？什么是避免过度拟合的最佳方法？

Answer 1

堆叠整体的主要思想（以及将其与其他类型的整体区分开来的东西，例如随机森林，GBM，simple averaging of confidences）是它使用另一种机器学习模型来确定如何加权基础学习者。 （另一个模型是元学习者。）

对于您的第二个问题，您目前无法指定任何参数，但有a ticket for it，因此很有可能在未来几个月内提供。

与此同时，我会说注意基础模型中的过度拟合，比元学习者中的正规化更重要。