我在 H2O 中构建了模型（例如，GLM 模型） 现在，我想在 Python 中导入该模型以用于其他应用程序。
我该怎么做？
【问题讨论】：
较新版本的 H2O 可以通过 python API 导入 MOJO：
# re-import saved MOJO
imported_model = h2o.import_mojo(path)
new_observations = h2o.import_file(path='new_observations.csv')
predictions = imported_model.predict(new_observations)
注意：在缺少h2o.import_mojo() 函数的旧 H2O 版本中，MOJO 无法重新导入 python。
所以h2o.save_model() 似乎失去了它的作用——我们可以只使用my_model.save_mojo()（注意它不是h2o 方法，而是模型对象的一个属性），因为这些文件不仅可以用于Java应用程序部署，而且在 python 中也是如此（实际上他们仍然在内部使用 python-Java 桥）。
【讨论】：
试试这个：
# build the model
model = H2ODeepLearningEstimator(params)
model.train(params)
# save the model
model_path = h2o.save_model(model=model, path="/tmp/mymodel", force=True)
print(model_path)
/tmp/mymodel/DeepLearning_model_python_1441838096933
# load the model
saved_model = h2o.load_model(model_path)
【讨论】：
您需要将模型导出为 MOJO 或 POJO（如果您的算法支持，则首选 MOJO）。这是一个 Java 对象，因此您需要使用 Java 来运行它。如何做到这一点有很多选择：
http://docs.h2o.ai/h2o/latest-stable/h2o-docs/productionizing.html
（顺便说一句，R API 最近添加了 h2o.predict_json() ，它为您将参数转换为 JSON 和 Java 调用；Python API 中似乎没有任何内容，但如果您阅读 the R code 你'会看到它没有做任何复杂的事情：只是运行一个 shell 命令。）
另一种选择是坚持运行 H2O 服务器，并从 Python 中使用它。在这种情况下，您只想保存模型（二进制格式），然后在每次要进行预测时将其加载（回到 H2O 集群）：http://docs.h2o.ai/h2o/latest-stable/h2o-docs/save-and-load-model.html
这种方法的缺点是二进制格式总是与 H2O 版本相关联。因此，如果您升级 H2O，您将无法再使用您保存的模型。
【讨论】：