python - h2o python 平衡类

Question

我在为 H2ORandomForestEstimator 实现简单平衡时遇到问题，我正在尝试重现 Darren Cook 用 R 编写的书中的一个简单示例('Practical Machine Learning with H2O - pag. 107)。

在 Iris 数据集上工作，首先我人为地不平衡目标变量，切掉大部分 virginica 以保持前 120 行。

然后我构建了 3 个模型，一个普通模型，一个我将 balance_classes 设置为 True，最后一个我将 balance_classes 设置为 True 并输入一个 class_sampling_factors 列表以对 virginica 模型进行过采样。列表是 [1.0,1.0,2.5]，指的是按字母顺序排序的列。

我训练它们，然后为每个训练输出混淆矩阵。

我期望第一个输出不平衡，后两个输出平衡，而我总是得到相同的结果。我检查了 the documentation example in Python ，而且我看不出有什么不妥(我可能也累了)。

这是我的代码:

data_unb = data[1:120,:]  # messing up with target variable
train, valid = data_unb.split_frame([0.8], seed=12345)

m1 = h2o.estimators.random_forest.H2ORandomForestEstimator(seed=12345)
m2 = h2o.estimators.random_forest.H2ORandomForestEstimator(balance_classes=True, seed=12345)
m3 = h2o.estimators.random_forest.H2ORandomForestEstimator(balance_classes=True, class_sampling_factors=[1.0,1.0,2.5], seed=12345)

m1.train(x=list(range(4)),y=4,training_frame=train,validation_frame=valid,model_id='RF_defaults')
m2.train(x=list(range(4)),y=4,training_frame=train,validation_frame=valid,model_id='RF_balanced')
m3.train(x=list(range(4)),y=4,training_frame=train,validation_frame=valid,model_id='RF_class_sampling',)

m1.confusion_matrix(train)
m2.confusion_matrix(train)
m3.confusion_matrix(train)

这是我的输出:

my confusion matrices (wrong)

这是我的预期输出。

expected confusion matrices

我显然错过了什么？提前致谢。

Answer 1

您没有遗漏任何东西。 offset_column 在 H2O 随机森林中可用，但它实际上没有功能。该错误已记录 here并且应该在 H2O 的下一个稳定版本中修复。抱歉造成混淆!

它应该适用于其余的 H2O 算法(XGBoost 除外)。例如，如果你想尝试使用 GBM，你会发现它有效。