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 - 第 107 页）。

在处理 Iris 数据集时，首先我人为地不平衡目标变量，切掉了保留前 120 行的大部分Virginica。

然后我构建了 3 个模型，一个是普通模型，一个是我将 balance_classes 设置为 True，最后一个是我将 balance_classes 设置为 True，然后我输入了一个 class_sampling_factors 列表以对弗吉尼亚模型进行过采样。列表为 [1.0,1.0,2.5]，指的是按字母顺序排列的列。

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。我查了the documentation example in Python，看不出有什么问题（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

我明显错过了什么？提前致谢。

Answer 1

你没有错过任何东西。 offset_column 在 H2O 随机森林中可用，但实际上并没有功能。该错误记录在 here 中，应该在 H2O 的下一个稳定版本中修复。很抱歉造成混乱！

它应该适用于其余的 H2O 算法（XGBoost 除外）。例如，如果您想尝试 GBM，您会看到它在工作。