如何使用Python在H2o库中的GBM中重用cross_validation_fold_assignment

问题描述

我使用H2o库运行模型。 我进行了5折交叉验证。

model = H2OGradientBoostingEstimator(
                        balance_classes=True,nfolds=5,keep_cross_validation_fold_assignment=True,seed=1234)
model.train(x=predictors,y=response,training_frame=data)
print('rmse: ',model.rmse(xval=True))
print('R2: ',model.r2(xval=True))
data_nfolds = model.cross_validation_fold_assignment()

我得到了交叉验证折页作业。 我尝试将其重用于具有其他参数（例如ntrees或Stopping_rounds）的新模型，但是我在文档中找不到它。

https://docs.h2o.ai/h2o/latest-stable/h2o-docs/data-science/algo-params/keep_cross_validation_fold_assignment.html

解决方法

我找到了答案。

nfolds_index = h2o.import_file('myfile_index.csv')
nfolds_index.set_names(["fold_numbers"])
data = data.cbind(nfolds_index)
model2 = H2OGradientBoostingEstimator( seed=1234)
model2.train(x=predictors,y=response,training_frame=data,fold_column="fold_numbers")
print('rmse: ',model2.rmse(xval=True))
print('R2: ',model2.r2(xval=True))