17、基于H2O与NLP的异构集成分类器应用

基于H2O与NLP的异构集成分类器应用

1. 基于H2O的异构集成分类器

1.1 模型训练与评估

使用H2O的 H2OStackedEnsembleEstimator 训练堆叠集成模型，并在测试数据上评估其性能。之后，对所有构建的GLM、RF和GBM模型在测试数据上进行评估，找出具有最大AUC分数的模型，并评估堆叠集成模型在测试数据上的AUC分数，以便与单个基础学习器进行性能比较。

1.2 交叉验证

在训练所有模型时使用交叉验证，通过 nfolds 选项设置交叉验证的折数，例如设置为5，也可设置为更高的数字，且所有模型的折数需保持一致。此外，还可指定 fold_assignment 参数，其取值包括 auto 、 random 、 modulo 和 stratified 。当设置为 Auto 时，算法自动选择（当前选择 Random ）；设置为 Random 时，数据将随机分割成 nfolds 个集合；设置为 Modulo 时，使用确定性方法将数据均匀分割成 nfolds 个集合，且不依赖于种子参数。使用交叉验证构建模型时，需为所有模型指定种子值或使用 fold_assignment="Modulo" 。

1.3 网格