时间戳

首页 > 解决方案 > 如何解释 H2o 深度学习输出向量？

python-3.x - 如何解释 H2o 深度学习输出向量？

问题描述

我想使用 H2o 深度学习模型预测标签，但我无法解释我的 H2o 深度学习输出。

这是我的 H2o 深度学习模型的模型参数。

dl_model = deeplearning.H2ODeepLearningEstimator(hidden =[200,200],
                                    epochs  = 10,
                                    missing_values_handling= 'MeanImputation',
                                    activation = "Tanh", 
                            )

我传递了名为 Content.vecs 的博客内容的 word2vec 向量，Y 也是标签的 word2vec。

训练模型

dl_model.train(x= Content_vecs.names,
               y= 'Y',
               training_frame   = data_split[0],
               validation_frame = data_split[1]
               )

输出是

**predict
-0.700515
-0.700515
-0.700515
-0.700515
-0.700515
-0.700515
-0.700515
-0.700515
-0.700515
-0.700515**

在原始数据预测器中，变量是内容，响应变量是标签。我在深度学习图中将内容的 Word2vec 向量作为 x 和标签作为 y 传递。我想使用 H2o 深度学习和 word2vec 预测单个或多个标签

标签： python-3.xdeep-learningword2vech2o

解决方案

首先确保您指定了 distribution="multinomial"。如果您没有太多标签，那么您可以只使用原始标签作为响应级别。否则，如果您保留数值级别，则需要进行一些映射，以查看哪些值对应于您的原始标签。

这也是如何将 word2vec 与 H2O 算法一起使用的示例，让您了解您的目标应该是什么样子：https ://github.com/h2oai/h2o-3/blob/master/h2o-py/ demos/word2vec_craigslistjobtitles.ipynb以及深度学习教程：https ://github.com/h2oai/h2o-tutorials/tree/master/tutorials/deeplearning

推荐阅读