关于 h2o mojo 模型的问题。
GLM MOJO 模型对模型的重要性不可变，我的理解正确吗？
还是缺少什么？
当我从 GLM 模型中查询 varimp/varimp_plot 时，有时会在屏幕截图中收到以下消息。
“警告：此模型的重要性不可变。”
这很常见吗？而我们从生成它们的内核中的同一模型中获得 varimp。只是想了解一下。
任何线索将不胜感激。
【问题讨论】：
标签： python-3.x h2o h2o4gpu
MOJO 模型是 H2O 将模型投入生产的主要方式。这些独立的 zip 文件主要是通过genmodel 运行而不是检查。 MOJO 模型不等于二进制模型，它与某个 H2O 版本相关联。原因很简单——算法参数和算法本身可能会因版本而异。
无论如何，H2O 提供了一种将 MOJO 导入回 H2O 并主要使用它们进行评分的方法。 MOJO 的一些属性仍然从 MOJO 中提取并提供给用户。但是，正如documentation 所说，不能保证公开了哪些模型参数，有些可能会丢失。 MOJO 模型导入是作为 H2O 的 Generic model 功能的一部分实现的 - H2O 能够“拥抱”任何模型，即使是在 H2O 之外训练的模型，只要“通用模型驱动程序”可用。
话虽如此，肯定有一种方法可以为 MOJO 导入功能用户提供可变重要性。这是一个已知问题，在H2O JIRA 中进行了跟踪。
my blog 上有关 MOJO 模型的更多资源。
【讨论】：