如何从h2o.gbm计算条件排列的重要性？
我有一个数据集，其中包含许多高度相关的变量（> 0.9）。并将此数据集送入h2o.gbm。事实证明，当我降低相关变量时，RMSE会增加（在CV上）。
现在，我试图获得可变的重要性，并发现了以下功能：h2o.varimp()。 （我猜）这与经典的party::varimp(model, conditional = T)不同。
答案 0 :(得分：0)
这是一个重复的问题，您可以找到以前发布的答案here和here。
简短的回答是，这在H2O-3中目前不是一种选择，有关其他选择，请参见上面的链接问题。
为此问题还创建了一张吉拉票，您可以在此处跟踪和评论：https://0xdata.atlassian.net/browse/PUBDEV-4027