使用 AutoML 评估算法 Word2Vec 的超参数答案

【问题标题】：Using AutoML to evaluate tha hyperparameters of the algorithm Word2Vec使用 AutoML 评估算法 Word2Vec 的超参数
【发布时间】：2019-03-26 14:35:56
【问题描述】：

AutoML（来自 H2O）是否可以仅使用 Word2Vec 算法并尝试不同的参数值来找出哪些参数设置为我的数据集提供了最准确的向量？所以我不希望 AutoML 将 DeepLearning、GBM 等算法应用于我的数据集。只有 Word2Vec 算法……我该怎么做？

到目前为止，我只设法用 H2O 构建了一个 word2vec 模型。

我想用 AutoML 测试 Word2Vec 超参数的不同设置，以评估哪些设置是最佳的...

【问题讨论】：

AutoML 显然有 exclude_algos 参数：docs.h2o.ai/h2o/latest-stable/h2o-docs/automl.html 也可以看看 docs.h2o.ai/h2o/latest-stable/h2o-docs/grid-search.html 在 h2o 中的超参数优化

标签： word2vec h2o hyperparameters

【解决方案1】：

Word2Vec 算法是一种数据转换算法（将文本行转换为矩阵），而不是有监督的机器学习算法（AutoML 及其内部的所有算法都是这样做的）。

使用 Word2Vec 的典型方式是将 Word2Vec 应用于您的文本数据，以便您的数据可用于训练有监督的机器学习算法。从这里您可以在这个转换后的数据集上运行任何监督算法（GLM、随机森林、GBM 等）——或者我的建议是将转换后的数据传递给 AutoML，这样它就可以为您找到最佳算法。

您将不得不手动尝试不同的 Word2Vec 设置，看看它们的效果如何，因为您想应用一些特定的监督学习算法来解决您的问题。希望这能消除困惑。

【讨论】：