我一直在使用h2o.ai automl函数处理一些问题并取得了相当大的成功，但是遇到了一些障碍。
我有一个问题，它使用500多个预测变量（全部浮点数）来映射到6个响应（同样全部浮动。）
必需的数据参数
y：此参数是响应列的名称（或索引）。
似乎automl库只处理一个响应。我错过了什么吗？或许甚至在术语中？
如果我不是，我的计划是建立6个单独的排行榜，每个排行榜一个，并使用结果启动手动网络搜索。
理论上我猜我实际上可以单独运行6个automl模型来获得矢量响应，但这感觉就像一个奇怪的方法。
任何见解都会受到赞赏， 欢呼声。
答案 0 :(得分：1)
不仅仅是AutoML，而且H2O通常只会让你预测一件事。
如果没有关于这6项产出代表什么的更多信息，以及它们之间的关系，我可以想到3种方法。
方法1： 6种不同的模型，如你所知。
方法2：训练自动编码器将6维压缩为1维。然后训练您的模型以预测单个值。然后将其展开。 （例如，通过训练数据的查找表，例如，如果您的模型预测为1.123，并且您[1,2,3,4,5,6]由1.122表示，并且[3.14,0,0,3.14,0 ，0]由1.125表示，您可以选择[1,2,3,4,5,6]，或者这两个最接近的匹配的加权平均值。）（其他降维方法，如PCA，是相同的想法。）
方法3：如果6个浮点数的可能组合是（相对较小的）有限集，则可以有一个显式的查找表，N个类别。
我假设每个都是连续变量，这就是为什么它们是浮点数，所以我认为方法3将不如方法2.如果6个输出之间的相关/关系非常小，那么方法1将是最好的。