时间戳

首页 > 解决方案 > 从现有系数创建 H2OGeneralizedLinearEstimator 实例

python - 从现有系数创建 H2OGeneralizedLinearEstimator 实例

问题描述

我有一组来自训练模型的系数，但我无法访问模型本身或训练数据集。我想创建一个实例H2OGeneralizedLinearEstimator并手动设置系数以使用模型进行预测。

我尝试的第一件事是（这是重现错误的示例）： 

import h2o
from h2o.estimators.glm import H2OGeneralizedLinearEstimator
from h2o.frame import H2OFrame
h2o.init()

# creating some test dataset
test = {"x":[0,1,2], "y":[0,0,1]}
df = H2OFrame(python_obj=test)
glm = H2OGeneralizedLinearEstimator(family='binomial', model_id='logreg')
# setting the coefficients
glm.coef = {'Intercept':0, 'x':1}
# predict
glm.predict(test_data=df)

这会引发错误：

H2OResponseError：服务器错误 water.exceptions.H2OKeyNotFoundArgumentException：错误：函数中未找到对象“logreg”：预测参数：模型

我还尝试glm.params根据类似训练模型的键设置键：

for key in trained.params.keys():
    glm.params.__setitem__(key, trained.params[key])

但这不会填充glm.params( glm.params = {})。

标签： pythonh2o

解决方案

看起来你想使用函数makeGLMModel

这在文档中有进一步的描述，为了您的方便，我将在这里重新发布：

修改或创建自定义 GLM 模型

在 R 和 python 中，该makeGLMModel调用可用于根据给定系数创建 H2O 模型。它需要在同一数据集上训练的源 GLM 模型来提取数据集信息。要从 R 或 python 制作自定义 GLM 模型：

  • R：打电话h2o.makeGLMModel。这需要一个模型、一个系数向量和（可选的）决策阈值作为参数。
  • Pyton：（H2OGeneralizedLinearEstimator.makeGLMModel静态方法）将模型、包含系数的字典和（可选）决策阈值作为参数。

推荐阅读