h2o - 在 H2o 苏打水中运行具有 300 列(6 GB)的大型数据集的 coxph 模型
问题描述
我们正在尝试使用 h2o 运行 coxph 模型,Rsparkling 用于 6 GB 和 300 列的大型数据集,无论我们为 spark 采用什么配置,我们都会遇到内存问题。
根据 h2o,我们应该只有 4 倍数据大小的集群,但我们甚至使用了 128GB 的 4 个工作节点和 128 个主节点。但仍然是它提出的问题。
请帮助我们选择使用当前数据集运行 h2o 所需的 spark 配置。我们能够为 50,000 条记录运行相同的代码。
我们有 300 列 X 和 2 对交互项。偏移列和权重。
您可以在此处找到示例代码,但它没有 300 列。我不知道如何提供完美的输入文件和完整的代码来复制问题。如果您希望查看包含 300 列的实际代码,请告诉我。
`# Load the libraries used to analyze the data
library(survival)
library(MASS)
library(h2o)
# Create H2O-based model
predictors <- c("HasPartner", "HasSingleLine", "HasMultipleLines",
"HasPaperlessBilling", "HasAutomaticBilling",
"MonthlyCharges",
"HasOnlineSecurity", "HasOnlineBackup", "HasDeviceProtection",
"HasTechSupport", "HasStreamingTV", "HasStreamingMovies")
h2o_model <- h2o.coxph(x = predictors,
event_column = "HasChurned",
stop_column = "tenure",
stratify_by = "Contract",
training_frame = churn_hex)
print(summary(h2o_model))'
解决方案
这完全取决于停止列和分层列的基数。我会尝试使用 32-64GB 内存的单个节点。
请分享有关数据集的详细信息。
推荐阅读
- mysql - 尝试根据日期查找表的最大行时返回奇怪的值
- javascript - 确认框 OK/Cancel 功能
- java - 执行文件搜索后具有更新值的 JTable
- google-bigquery - Python 中或仅 JavaScript 中的 BigQuery UDF
- python - 为高斯拟合找到正确的二维数组的 x 和 y 宽度
- spring - 为 Spring CommandLineRunner 传递构造函数参数
- javascript - ReactJS _ 名称自定义属性 - 我的 React 组件的自定义属性返回“未定义”
- tensorflow - (tensorflow) 将特征图批量乘以它的特征均值:[n, h, w, c] * [n, c]
- javascript -
- 未在 React 中添加列表项
- java - 避免 Quartz 每次都创建新实例