我正在使用下面的代码创建一个随机森林:
rf_md <- h2o.randomForest(training_frame = train_h,
nfolds = 5,
y = y,
ntrees = 500,
stopping_rounds = 10,
stopping_metric = "RMSE",
score_each_iteration = TRUE,
stopping_tolerance = 0.0001,
seed = 1234)
输出是类型为h2oregressionmodel
的对象。我想从森林中获取一棵树,所以我发现函数getTree()
与randomForest
对象的搭配效果很好。如何将实际输出转换为randomForest
对象?还是可以得到具有不同功能的相同随机森林,其输出是randomForest
对象?
感谢您的帮助
答案 0 :(得分:1)
H2O具有类似的功能h2o.getModelTree
,可用于GBM和随机森林模型(请参见docs);在您的情况下,要选择3号树,应该是:
tree <- h2o.getModelTree(model=rf_md, tree_number=3)
答案 1 :(得分:0)
在上面的示例中,rf_md 是 H2O-3 DRF(分布式随机森林)对象。 (或者,更确切地说,是指向它的指针。真实对象通过h2o.init()驻留在H2O-3 Java进程的内存中)
H2O-3模型对象与本机R包对象不同。无法将H2O-3 DRF模型转换为R randomForest模型。