Question

我正在R中使用automl()软件包的H2o函数进行回归。

考虑我正在使用名称“ aml”来构建模型。

aml <- h2o.automl(x=x, y=y, training_frame = train_set,
              max_models = 20, seed = 1,
              keep_cross_validation_predictions = TRUE)

automl()的页首横幅显示了效果最佳的模型。我能够通过h2o.varimp（）函数打印出预测变量的重要性，并使用h2o.varimp_plot()函数仅针对领导者模型（由automl函数给出的最佳模型）绘制出相同的图形。

h2o.varimp(aml@leader)
h2o.varimp_plot(aml@leader)

是否有任何方法可以在排行榜中显示所有模型的预测变量的重要性，并使用上述两个函数绘制图形？

Answer 1

堆叠的乐团（通常为领导者模型）尚不支持变量重要性（JIRA here）。但是，可以在排行榜中的模型ID上循环检索其余模型的变量重要性。请参见下面的R代码。

library(h2o)
h2o.init()

# Import a sample binary outcome train/test set into H2O
train <- h2o.importFile("https://s3.amazonaws.com/erin-data/higgs/higgs_train_10k.csv")

# Identify predictors and response
y <- "response"
x <- setdiff(names(train), y)

# For binary classification, response should be a factor
train[,y] <- as.factor(train[,y])

# Run AutoML for 10 models
aml <- h2o.automl(x = x, y = y,
                  training_frame = train,
                  max_models = 10,
                  seed = 1)

# View the AutoML Leaderboard
lb <- aml@leaderboard
print(lb, n = nrow(lb))

# Get model ids for all models in the AutoML Leaderboard
model_ids <- as.data.frame(lb$model_id)[,1]

# View variable importance for all the models (besides Stacked Ensemble)
for (model_id in model_ids) {
  print(model_id)
  m <- h2o.getModel(model_id)
  h2o.varimp(m)
  h2o.varimp_plot(m)
}

如何在h2o.automl的页首横幅中打印所有模型的变量重要性

1 个答案: