H2O“输出 - 集群均值”部分未正确报告指标

Question

（注意：这与我之前发布的一个问题有关 H2O (open source) for K-mean clustering)

我正在为我们的大约 100 个特征的数据集使用 K-Means（其中一些是时间戳）

(1) 我检查了“OUTPUT - CLUSTER MEANS”部分，时间戳字段的值类似于“1.4144556086883196e+22”。我们的时间戳文件是关于 2018 年的数据，而 2018 年 Unix 时间就像“1541092918000”。因此，它不可能是“1.4144556086883196e+22”那么大的数字。我对“OUTPUT - CLUSTER MEANS”部分的数字的理解应该接近原始数据（标准化之前）。对吧？

(2)关于标准化，能不能用这个例子https://github.com/h2oai/h2o-3/blob/master/h2o-genmodel/src/test/resources/hex/genmodel/algos/kmeans/model.ini#L21-L27告诉我输入数据是如何转换成标准化值的？说，我有一个原始向量值（ a,b,c,d, 1.8 ），我只保留最后一个元素并省略其他元素。在这个例子中，我怎么知道它是否接近下面的中心 2。你能告诉我H2O如何使用standardize_means、standardize_mults和standardize_modes转换原始数据吗？我确信 H2O 有办法从模型输出中计算标准化值，但我找不到位置和公式。 center_2 = [2.0, 0.0, -0.5466317772145349, 0.04096506994984166, 2.1628815416218337]

谢谢。

Answer 1

1) 我不确定您在 Flow 中的何处看到时间戳，或者您的意思是您的数据集是否包含 H2O-3 已转换的时间戳。无论哪种方式，听起来您都可能遇到了错误。您在 H2O-3 中看到的时间戳是自 Unix 纪元以来的毫秒数，因此您必须在使用 unix 时间转换器之前除以 1000（例如，您可以使用 https://currentmillis.com/）。但是再次考虑到这个数字是如此之大，我倾向于一个错误 - 你可以提供任何使其可重现的代码都会很棒。

1a) 当您检查 standardize 时，除了“输出 - 聚类均值”（未标准化）之外，您还会看到“输出 - 标准化聚类均值”，因此非标准化输出应反映您的单位输入。

2) H2O-3 中的标准化在here 中进行了描述（其中说：“将数值列标准化为具有零均值和单位方差。”）。您提供的链接指向一个已保存为 MOJO 的测试模型，我不确定用作示例是否有意义。但总的来说，h2o-3 的标准化工作方式与标准化的定义相同。