如何更改 H2O GBM 和 DRF 中的预测答案

【问题标题】：How to change prediction in H2O GBM and DRF如何更改 H2O GBM 和 DRF 中的预测
【发布时间】：2018-12-18 03:46:35
【问题描述】：

我正在使用 h2o DRF 和 GBM 构建分类模型。我想改变预测的概率，如果 p0

【问题讨论】：

标签： python-3.x random-forest h2o gbm

【解决方案1】：

目前，您需要手动执行此操作。如果我们为predict() 方法添加一个threshold 参数会更容易，因此我创建了一个JIRA ticket 票证以使其更直接。

请参阅下面的 Python 示例，了解如何在下面手动执行此操作。

import h2o
from h2o.estimators.gbm import H2OGradientBoostingEstimator
h2o.init()

# Import a sample binary outcome train/test set into H2O
train = h2o.import_file("https://s3.amazonaws.com/erin-data/higgs/higgs_train_10k.csv")
test = h2o.import_file("https://s3.amazonaws.com/erin-data/higgs/higgs_test_5k.csv")

# Identify predictors and response
x = train.columns
y = "response"
x.remove(y)

# For binary classification, response should be a factor
train[y] = train[y].asfactor()
test[y] = test[y].asfactor()

# Train and cross-validate a GBM
my_gbm = H2OGradientBoostingEstimator(distribution="bernoulli", seed=1)
my_gbm.train(x=x, y=y, training_frame=train)

# Predict on a test set using default threshold
pred = my_gbm.predict(test_data=test)

查看pred 框架：

In [16]: pred.tail()
Out[16]:
  predict        p0        p1
---------  --------  --------
        1  0.484712  0.515288
        0  0.693893  0.306107
        1  0.319674  0.680326
        0  0.582344  0.417656
        1  0.471658  0.528342
        1  0.079922  0.920078
        1  0.150146  0.849854
        0  0.835288  0.164712
        0  0.639877  0.360123
        1  0.54377   0.45623

[10 rows x 3 columns]

以下是手动创建所需预测的方法。 H2O User Guide 中提供了有关如何切片 H2OFrames 的更多信息。

# Binary column which is 1 if >=0.2 and 0 if <0.2
newpred = pred["p1"] >= 0.2 

newpred.tail()

看二进制列：

In [23]: newpred.tail()
Out[23]:
  p1
----
   1
   1
   1
   1
   1
   1
   1
   0
   1
   1

[10 rows x 1 column]

现在你有了你想要的预测。您还可以将 "predict" 列替换为新的预测标签。

pred["predict"] = newpred

现在重新检查pred 框架：

In [24]: pred.tail()
Out[24]:
  predict        p0        p1
---------  --------  --------
        1  0.484712  0.515288
        1  0.693893  0.306107
        1  0.319674  0.680326
        1  0.582344  0.417656
        1  0.471658  0.528342
        1  0.079922  0.920078
        1  0.150146  0.849854
        0  0.835288  0.164712
        1  0.639877  0.360123
        1  0.54377   0.45623

[10 rows x 3 columns]

【讨论】：

谢谢。好吧，我已经手动实现了这个逻辑。正在寻找您正确提到的某些属性。
@Erin ，我们能否得到训练数据而不是测试数据的预测概率。我们可以做 pred = my_gbm.predict(test_data=train) ，而不仅仅是训练模型。谢谢
@Neo 我们保存训练指标，但不保存训练预测。所以你必须使用my_gbm.predict(test_data=train)重新生成它们。