采用 H2O-3 算法的 Driverless AI

Driverless AI 已支持多种 algorithms. 此示例将展示如何使用 h2o-3-models-py 插件将 H2O-3 监督学习算法应用于实验。该插件中可用的 H2O-3 算法包括：

  • 朴素贝叶斯

  • GBM

  • 随机森林

  • 深度学习

  • GLM

  • AutoML

注意：因为 AutoML 在此处被视为常规 ML 算法，所以运行时需求可能会很大。我们建议您按此处建议调整 max_runtime_secs 参数：https://github.com/h2oai/driverlessai-recipes/blob/rel-1.9.0/models/algorithms/h2o-3-models.py#L45

  1. 通过选择训练数据集以及（可选）验证数据集和测试数据集，然后指定目标列，在 Driverless AI 中启动实验。请留意将在实验摘要 特征演变 部分中使用的算法列表。在以下示例中，实验将使用 LightGBM 和 XGBoostGBM。

  2. 点击**专家设置** 。

  3. 使用以下方式之一指定自定义插件：

  • 在本地计算机上，克隆 driverlessai-recipes repository，然后点击 上传客户自定义插件 按钮上传 driverlessai-recipes/models/h2o-3-models.py 文件。

  • 点击 从 URL 加载自定义插件 按钮，然后输入 Python 文件的 URL。（支持文件的 HTML 版本和原始版本。）

请注意：点击 官方插件（开源） 按钮浏览 driverless-recipes 资料库。

Driverless AI 将开始上传并验证新的自定义插件。

  1. 在“专家设置”页面中，指定任何其他设置，然后点击 保存 。随后将返回至实验摘要。

  2. 若要在实验中包含每个新模型，则返回“专家设置”选项。点击*插件 > 包含特定模型**选项。选择您想要包含的算法。点击 完成 返回至实验摘要。

请留意实验中可用算法的更新列表。

  1. 编辑任何其他实验设置，然后点击 启动实验 。

完成后，您可以下载实验摘要并检查 report.docx 文件中的“模型调优”部分，以查看各种算法的比较。

Expert Settings example