我正在阅读h2o文档http://docs.h2o.ai/h2o/latest-stable/h2o-docs/data-science/algo-params/calibrate_model.html中的校准概率示例
由于该示例的解释不充分，我的问题是：
我也试着忽略重物。该代码仍在运行，但结果却大不相同。任何见识将不胜感激
答案 0 :(得分：0)
如果您对H2O-3中的权重栏的工作方式感兴趣，可以查看文档here和代码示例here。
为方便起见，我随附了此文档的副本：
weights_column
可用格式：GBM，DRF，深度学习，GLM，AutoML，XGBoost，CoxPH 超参数：否
说明
此选项指定确定权重时要使用的训练框中的列。权重是每行观察权重，不会增加数据帧的大小。这通常是重复行的次数，但也支持非整数值。在训练过程中，由于损失函数的前置因子较大，权重较高的行更为重要。
为了进行评分，所有计算的指标都将考虑观察权重（用于增益/提升，AUC，混淆矩阵，对数损失等），因此，如果需要，还必须提供权重列以进行验证或测试集上/下权重某些观察结果（最好在训练和测试之间始终保持一致）。请注意，如果省略权重，则所有观测值将具有相等的权重（设置为1）以计算度量。例如，权重2等于复制一行。
注释：
重量可以指定为整数或非整数。 权重列不能与fold_column相同。 如果将权重列指定为要素（预测变量）和权重，则该列将仅用于权重。 GitHub上提供了示例单元测试脚本： https://github.com/h2oai/h2o-3/blob/master/h2o-py/tests/testdir_algos/gbm/pyunit_weights_gbm.py https://github.com/h2oai/h2o-3/blob/master/h2o-py/tests/testdir_algos/gbm/pyunit_weights_gamma_gbm.py
深度学习中的观察权重
在深度学习中，观察权值的处理方式与其他受支持算法不同。对于深度学习以外的算法，权重以直接的方式进入了拆分查找和叶节点预测数学。对于深度学习而言，难度更大。通常，将权重用作损失中的乘数，将无法正常工作，并且这与复制同一行不同。同样，一次又一次地应用同一行也不是一个好主意，因此在训练过程中采样仍应处于活动状态。为了解决这些问题，深度学习通过使用逆累积分布函数的重要性采样来实现。它还包括一个特殊情况，即从数据集中为其训练的第二行选择一个随机行，以保持游戏中的异常值。请注意，深度学习的观察权值既不是0也不是1，很难正确处理。在这种情况下，最好使用balance_classes = TRUE显式过采样。
相关参数