分数与原始数据集的 H2O 合并答案

【问题标题】：H2O merging of scores with original data set分数与原始数据集的 H2O 合并
【发布时间】：2017-02-28 12:29:00
【问题描述】：

我正在使用 H2O 对以用户 ID 作为列之一的大型数据集进行预测。但是，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，这在 IMO 中是相当草率的。

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？

我对将分数与带有 ID 的数据集以及使用 cbind 之类的数据一起带入 python 或 R 不太兴奋，但如果这是唯一的选择，请加入。

【问题讨论】：

【解决方案1】：

是的，您只需要将所需帧中的信息 cbind 作为最终输出。这是一个完整的例子：我正在做一个回归，根据患者的年龄和风险类别来预测他们的身高。 (!)

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，我对训练数据进行了预测。最后一步是从train 中取出列并与p 中的列组合。（通过分类，您将获得额外的列，您可能希望也可能不希望包含这些列。）

注意： cbind 操作发生在您的 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，它会非常有效。

附：改为m.train(["age","height"], "risk", train) 进行分类。

【讨论】：