【发布时间】：2018-07-27 14:02:47
【问题描述】：
AutoML 生成两个学习器，一个包含“所有”，另一个是“家族最佳”的子集。
有什么方法可以不手动将组件和堆叠的集成聚合器保存到磁盘，以便将“最好的系列”视为独立的黑盒，可以存储、重新加载和使用，而无需真正减少 1000有价值的学习者存在于同一个空间？
如果是这样，我该怎么做？
【问题讨论】：
标签： h2o ensemble-learning automl
【发布时间】：2018-07-27 14:02:47
【问题描述】：
在运行 AutoML 时，所有内容都在内存中运行（除非您将其中一个模型保存到磁盘 - 或应用将对象保存到磁盘的选项，否则不会将任何内容保存到磁盘）。
如果您只想要“最好的家庭”堆叠合奏，您所要做的就是save that binary model。当您保存堆叠的整体时，它会为您保存所有必需的部分（基本模型和元模型）。然后，当您准备好进行预测时，您可以稍后重新加载以与另一个 H2O 集群一起使用（只要确保，如果您要保存二进制模型，您以后可以使用相同版本的 H2O）。
Python 示例：
bestoffamily = h2o.get_model('StackedEnsemble_BestOfFamily_0_AutoML_20171121_012135')
h2o.save_model(bestoffamily, path = "/home/users/me/mymodel")
R 示例：
bestoffamily <- h2o.getModel('StackedEnsemble_BestOfFamily_0_AutoML_20171121_012135')
h2o.saveModel(bestoffamily, path = "/home/users/me/mymodel")
稍后，您使用 Python 中的 h2o.load_model() 或 R 中的 h2o.loadModel() 将堆叠的集成重新加载到内存中。
或者，您可以使用MOJO model（不同的模型格式），而不是使用需要在预测时运行 H2O 集群的 H2O 二元模型。使用 MOJO 需要做更多的工作，尽管它们速度更快并且专为生产使用而设计。如果您想保存 MOJO 模型，则可以在 Python 中使用 h2o.save_mojo() 或在 R 中使用 h2o.saveMojo()。
【讨论】：