我正在尝试在 Java 应用程序中启动嵌入式 H2o 并训练模型。但是我没有得到文档中的确切解释（http://docs.h2o.ai/h2o/latest-stable/h2o-docs/faq/java.html）。谁能帮我举个例子？
谢谢，
【问题讨论】：
标签： java machine-learning h2o sparkling-water
这里要了解的关键是您是真的想在应用程序中训练模型，还是只想为模型评分。大多数人最初只想为模型评分。
评分
评分简单而自然。在此处查看 MOJO 和 POJO javadoc api：
按照 javadoc 中显示的模式使用 Easy API。相关代码的sn-p如下：
EasyPredictModelWrapper model = new EasyPredictModelWrapper(MojoModel.load("GBM_model.zip"));
RowData row = new RowData();
row.put("AGE", "68");
...
BinomialModelPrediction p = model.predictBinomial(row);
延期训练的得分和储蓄
许多人会做的是在他们的实时应用程序中得分，并保存新数据（某处）以进行延迟训练。然后离线训练模型并再次将它们投入生产以进行评分。这是一个非常典型的模型生命周期，易于理解和管理。
培训
在您的应用程序中嵌入 H2O 以进行实际培训涉及更多。
如果我要嵌入 H2O，我会选择以下两种方式之一：
支持良好的选项 1。将 H2O 实例作为单独的进程（或分布式情况下的一组进程）启动，并使用 R 或 Python 与其通信。
有据可查的 H2O API 是 R API 和 Python API。 （还有一个包含大量生成文档的 REST API，但我不认为它特别好用。）
您可以在以下位置找到大量文档和示例：
支持良好的选项 2。编写 Spark 应用程序并使用 Sparkling Water 和 Scala 或 PySparkling 和 Python。
这实际上并不需要太多 Spark，因为 Sparkling Water 中的嵌入式 H2O 实际上根本不依赖 Spark 端。用于苏打水的 Scala 和 Python API 有据可查。苏打水用户指南是一个很好的起点：
...还有其他更难的选择：
（更难）选项 3。您可以将 H2O 作为 maven 依赖项包含在内，并直接从 Java 中调用它。
这里最大的问题是 Java API 没有很好的文档记录，而且你找不到关于如何使用它的友好示例。 Java API 的最佳文档是源代码本身，以及 h2o-3 项目 github 中的单元测试（搜索“测试”目录）：
（更难）选项 4。有些人直接从 REST API 调用 H2O。
我不建议这样做，因为它很难，但如果您想尝试，学习如何使用 REST API 的最佳方法是打开 R 的日志记录并查看 R 客户端和 H2O 之间的消息负载：
# R program.
h2o.init()
h2o.startLogging()
h2o.importFile("test.csv")
...
【讨论】：