16、机器学习中的GBM与GLM模型详解

机器学习中的GBM与GLM模型详解

1. 足球数据上的GBM模型

1.1 数据准备与默认GBM模型

我们以足球比赛数据为例，这是一个时间序列数据，其中添加了近期比赛结果的移动平均值、各球队上一场比赛的统计数据，还有专家意见（博彩公司赔率）。

若要进行实验，需运行之前定义好的代码来设置H2O、加载数据，并定义训练集（train）、验证集（valid）、测试集（test）、特征集（x）、不含赔率的特征集（xNoOdds）和目标变量（y）。

由于有验证数据集，我们使用验证集而非交叉验证。接下来构建两个模型，分别使用所有特征（x）和不使用博彩公司赔率（xNoOdds）来预测主场获胜（一个相对平衡的二项式问题）：

m1 <- h2o.gbm(x, "HomeWin", train,
  model_id = "GBM_defaults_HomeWin_Odds",
  validation_frame = valid)
m2 <- h2o.gbm(xNoOdds, "HomeWin", train,
  model_id = "GBM_defaults_HomeWin_NoOdds",
  validation_frame = valid)

每个模型构建大约耗时10秒，期间8核CPU平均使用率约为60 - 70%。使用 compareModels() 函数得到各数据集上的AUC分数如下：
| 数据集 | HomeWin | HW - NoOdds |
| ---- | ---- | ---- |