Question

我一直在尝试使用h2o.deeplearning将数据点权重添加到我的分析中。

以下代码

library(h2o)
x <- rnorm(1000)
y <- x-x^2+rnorm(1000,sd=0.2)
w <- vector(length=1000)      #weights vector
w[] <- 1
dfx <- data.frame(x,y,w)
h2o.init()
dfx <- as.h2o(dfx)

H <- h2o.deeplearning(x = 1, y = 2,training_frame=dfx,weights_column = 3, hidden=c(5,4))

给予

Error in .h2o.checkAndUnifyModelParameters(algo = algo, allParams = ALL_PARAMS,  : 
"weights_column" must be of type character, but got numeric.

将weights_column'3'替换为'w'可获得相同的结果。我尝试了as.character（w），但绝对不喜欢这样。

将weights_column替换为dfx [，3]或dfx $ w得到：

Error in args$x_ignore[!(weights_column == args$x_ignore)] : 
  invalid subscript type 'environment'

这个错误让我挠头，因为它似乎与在任何其他模型中实现这种事情的方式不同。我没有找到谷歌对此错误的引用，并且documentation没有给出任何进一步的解释。

Answer 1

好的，提交此问题后，我很快就尴尬地解决了这个问题。对于其他有类似问题的人来说，还是值得的。

weights_column必须由h2o.data.frame中列的 name 指定。即它必须用引号引起来。它不能是其他h2o对象或列的索引。以下代码有效。

library(h2o)
x <- rnorm(1000)
y <- x-x^2+rnorm(1000,sd=0.2)
w <- vector(length=1000) #weights vector
w[] <- 1
dfx <- data.frame(x,y,w)
h2o.init()
dfx <- as.h2o(dfx)


H <- h2o.deeplearning(x = 1, y = 2,training_frame=dfx,weights_column = "w", hidden=c(5,4))

r h2o.deeplearning：使用砝码时出错-“ weights_column”必须为字符类型，但必须为数字

1 个答案: