h2o GBM：叶子预测

Question

我正在 h2o 中对 GBM 执行网格搜索，以获得具有连续预测变量的连续结果。我正在使用交叉验证进行训练，然后在测试集上进行预测。

我正在使用函数 .predict_leaf_node_assignment：

best_gbm.predict_leaf_node_assignment(test_frame_h2o) （其中 best_gbm 是我从 gridsearch 得到的最好的 gbm 模型）

并得到下表，我们可以在其中看到每棵树 T1、T2、T3 等的叶节点分配。

问题一：

如何获取下表中每个叶子的 T1、T2、T3 等值，而不是叶子的位置？

问题 2：

如果有办法获取 T1、T2、T3 等的值，它们实际上反映了什么？ T1 是第一个预测，然后 T2、T3、T4 是更正吗？还是 T1 是预测，然后 T2 是 T1 校正等？

谢谢。

编辑：我尝试按照此页面中的说明在 python 中下载 mojo，以便我可以查看不同的树。 http://docs.h2o.ai/h2o/latest-stable/h2o-docs/productionizing.html?highlight=mojo

在“步骤 2：编译并运行 MOJO”中，此步骤的第二部分仅在 R 中给出： “通过创建一个名为 main.java 的新文件（例如，使用“vim main.java”）在实验文件夹中创建你的主程序。包括以下内容。请注意，此文件引用了上面使用 R 创建的 GBM 模型。

我可以在 python 中做到这一点吗？ 例如，我试图在 jupyter 笔记本中复制命令“import java.io.*”，但它会引发错误（ModuleNotFoundError: No module named 'java'）。

Answer 1

T1, T2,...TN 对应于构建的第一棵树，构建的第二棵树，....您构建的最终树。 （所以如果你说ntrees =50 你应该看到 T1 - T50）。如果您正在处理多类分类问题，您会看到每棵树都附加了类，例如 T1.C1 T1.C2（其中 C1 是第一类）。

在您发布的图片中，您似乎传入了一个包含 10 行或更多行的 H2OFrame。尝试查看单行，您会看到返回单行帧 - 因为predict_leaf_node_assignment 为您提供了一行到达每棵树的最终叶节点（也称为终端节点）的路径。

以您的 T1（第一棵树）和您通过的帧中的第一行为例。我们看到路径是 RRR，这意味着该行在每次拆分时都集中在一起。

问题 1：如果您要求数据中给定行在 T1 处的实际预测值，则需要下载 mojo 并使用 mojo 对该行进行评分（必须这样做与Java）。请注意，该树的预测值实际上将在链接空间中，您需要使用相应的反向链接函数来获取原始响应值。使用的链接函数将在 mojo 中指定。

（响应您的 EDIT：不，您不能将示例代码（它是 Java）粘贴到 jupyter 笔记本中，因为代码是 java 而不是 python - 演练假设您有 java在您的机器上（1.7 或更高版本）并希望您从终端或命令提示符运行代码。