Question

使用时：

"keep_cross_validation_predictions": True
"keep_cross_validation_fold_assignment": True

在H2O的XGBoost估算器中，我无法将这些经过交叉验证的概率映射回原始数据集。 R有一个文档示例，而Python没有（结合保留预测）。

任何人都在使用Python进行操作吗？

Answer 1

交叉验证的预测存储在两个不同的位置-一次存储为model.cross_validation_predictions()中长度为k（用于k倍）的列表，另一个存储为H2O帧，其CV前缀相同作为model.cross_validation_holdout_predictions()中的原始训练行。后者通常是人们想要的（我们稍后再添加，这就是为什么有两个版本的原因）。

是的，不幸的是，《 H2O用户指南》的“交叉验证”部分中用于获取此框架的R example没有Python版本（用于修复该问题的ticket）。在keep_cross_validation_predictions参数文档中，它仅显示两个位置之一。

这是使用XGBoost的更新示例，其中显示了两种CV预测：

import h2o
from h2o.estimators.xgboost import H2OXGBoostEstimator
h2o.init()

# Import a sample binary outcome training set into H2O
train = h2o.import_file("http://s3.amazonaws.com/erin-data/higgs/higgs_train_10k.csv")

# Identify predictors and response
x = train.columns
y = "response"
x.remove(y)

# For binary classification, response should be a factor
train[y] = train[y].asfactor()

# try using the `keep_cross_validation_predictions` (boolean parameter):
# first initialize your estimator, set nfolds parameter
xgb = H2OXGBoostEstimator(keep_cross_validation_predictions = True, nfolds = 5, seed = 1)

# then train your model
xgb.train(x = x, y = y, training_frame = train)

# print the cross-validation predictions as a list
xgb.cross_validation_predictions()

# print the cross-validation predictions as an H2OFrame
xgb.cross_validation_holdout_predictions()

CV pred预测框架如下：

Out[57]:
  predict         p0        p1
---------  ---------  --------
        1  0.396057   0.603943
        1  0.149905   0.850095
        1  0.0407018  0.959298
        1  0.140991   0.859009
        0  0.67361    0.32639
        0  0.865698   0.134302
        1  0.12927    0.87073
        1  0.0549603  0.94504
        1  0.162544   0.837456
        1  0.105603   0.894397

[10000 rows x 3 columns]

Answer 2

对于Python，有an example of this on GBM，对于XGB，它应该完全相同。根据该页面，您应该能够执行以下操作：

model = H2OXGBoostEstimator(keep_cross_validation_predictions = True)

model.train(x = predictors, y = response, training_frame = train)

cv_predictions = model.cross_validation_predictions()

H2o Python：结合XGB保留预测

2 个答案: