3、H2O机器学习实战：从R语言到Flow界面的全流程指南

H2O机器学习实战：从R语言到Flow界面的全流程指南

1. R语言中的训练与预测

在R语言里，机器学习可以通过一个简单的函数调用实现，同时传入参数和训练数据。命令如下：

m <- h2o.deeplearning(x, y, train)

实际上，为了得到可重复的结果，可使用：

m <- h2o.deeplearning(x, y, train, seed = 99, reproducible = TRUE)

不过通常不建议这样做，因为它只使用一个核心，会花费更长时间。

模型存储在H2O集群上， m 只是一个句柄。通过 h2o.mse(m) 可知均方误差（MSE）为0.01097， h2o.confusionMatrix(m) 可得到如下混淆矩阵（默认基于训练数据）：
| | setosa | versicolor | virginica | Error | Rate |
|-----------|--------|------------|-----------|-------|------|
| setosa | 42 | 0 | 0 | 0.0000 | 0 / 42 |
| versicolor | 0 | 37 | 1 | 0.0263 | 1 / 38 |
| virginica | 0 | 1 | 39 | 0.025