python - H2O 将分数与原始数据集合并

Question

我正在使用 H2O 对大型数据集生成预测，并将用户 ID 作为其中一列。然而，一旦我对数据集进行评分，预测数据集就不包含 ID...唯一能让事情正常进行的是分数的顺序与输入数据集的顺序相匹配，在我看来，这是相当草率的。

有没有办法指示 H2O 在预测数据集中保留 ID 列，或者在评分后添加它但仍在 H2O 中？

我对将分数以及带有 ID 的数据集以及使用 cbind 等带到 python 或 R 中不太感兴趣，但如果这是唯一的选择，请插话。

Answer 1

是的，您只需从想要作为最终输出的帧中绑定(bind)信息即可。这是一个完整的示例:我正在做回归，根据患者的年龄和风险类别来预测患者的高度。 (!)

import h2o
h2o.init()

patients = {
  'age':[29, 33, 65],
  'height':[188, 157, 175.1],
  'name':["Tom", "Dick", "Harry"],
  'risk':['A', 'B', 'B']
  }

train = h2o.H2OFrame.from_python(
  patients,
  destination_frame="patients"
  )

m = h2o.estimators.H2ODeepLearningEstimator()
m.train(["age","risk"], "height", train)
p = m.predict(train)

train["name"].cbind(p["predict"])

由于我没有任何测试数据，为了举例，我根据训练数据进行预测。最后一步是从 train 中获取列，并将其与 p 中的列合并。 (通过分类，您将获得额外的列，您可能想也可能不想包括这些列。)

注意: cbind 操作发生在 H2O 集群中，而不是在客户端上。因此，如果这是分布在多台机器上的 1 亿行数据，那么它就可以很好地工作。

附注执行 m.train(["age","height"], "risk", train) 来进行分类。