r - 训练 H2O 模型时忽略 ID 变量

Question

如果有人能告诉我如何在创建(训练和测试模型)时保留 ID 变量作为指示变量而不是预测变量，那就太好了。我通过 R 使用 H2o。如果有人能用他们的想法回应，我将不胜感激。

Answer 1

我认为术语“指示变量”更常见的用法是指二元预测变量(不是唯一标识符)，但听起来您是在问是否可以将 ID 列保留在数据框中，但是不要用它来预测。

这在 H2O 中很容易做到 - 您使用 x 参数来指示哪些列应用作预测变量，因此如果您将 ID 列排除在外，它将忽略它。虹膜数据示例:

library(h2o)
h2o.init()

iris$ID <- 1:nrow(iris)  #add ID column
train <- as.h2o(iris)
fit <- h2o.gbm(x = 1:4, y = 5, training_frame = train)  #fit a GBM

通过查看变量重要性，您可以看到 ID 没有被使用:

> h2o.varimp(fit)

Variable Importances: 
      variable relative_importance scaled_importance percentage
1  Petal.Width          258.856262          1.000000   0.563269
2 Petal.Length          195.480728          0.755171   0.425364
3  Sepal.Width            2.891532          0.011170   0.006292
4 Sepal.Length            2.332296          0.009010   0.005075

如果您在测试集上进行预测(这里我将仅使用训练集进行演示)，那么模型也已经知道要忽略 ID 列。

> pred <- h2o.predict(fit, train)
> head(pred)
  predict    setosa   versicolor    virginica
1  setosa 0.9989301 0.0005656447 0.0005042210
2  setosa 0.9985183 0.0006462680 0.0008354416
3  setosa 0.9989298 0.0005663071 0.0005038929
4  setosa 0.9989310 0.0005660443 0.0005029535
5  setosa 0.9989315 0.0005649384 0.0005035886
6  setosa 0.9983457 0.0011517334 0.0005025218