3

我正在使用R 中的包automl()函数进行回归。H2o

考虑一下我使用名称“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)

排行榜automl()显示表现最佳的模型。我能够通过 h2o.varimp() 函数打印预测变量的重要性，并h2o.varimp_plot()为仅领导模型（automl 函数给出的最佳模型）的相同使用函数绘制图表。

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

有没有办法打印排行榜中所有模型的预测变量的可变重要性并使用上述两个函数绘制图表？

4

1 回答 1

4

Stacked Ensembles（通常是领导者模型）尚不支持变量重要性（此处为 JIRA ）。然而，其余模型的可变重要性可以通过排行榜中的模型 id 循环检索。请参阅下面的 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)
}
于 2019-02-25T03:24:20.187 回答