41、可扩展机器学习及相关技术

可扩展机器学习及相关技术

1. 深度学习预测前列腺癌肿瘤浸润

在这个示例中，我们将使用 H2O 在本地主机（localhost:54321）上运行深度学习模型，以预测前列腺癌的肿瘤浸润情况。

1.1 运行演示

为了更好地理解函数的作用，我们将输出拆分并详细解释每个部分。

# 运行深度学习演示
demo(h2o.deeplearning)

1.2 加载测试数据

从 R 的本地文件系统目录中加载数据，该目录是 H2O 包的安装位置。

prostate.hex = h2o.uploadFile(path = system.file("extdata", "prostate.csv", package="h2o"), destination_frame = "prostate.hex")

查看数据的摘要输出，确保其与特征定义匹配。

summary(prostate.hex)

输出结果如下：
| 变量 | 最小值 | 第一四分位数 | 中位数 | 均值 | 第三四分位数 | 最大值 |
| — | — | — | — | — | — | — |
| ID | 1.00 | 95.75 | 190.50 | 190.50 | 285.25 | 380.00 |
| CAPSULE | 0.0000 |