代码之家 › 专栏 › 技术社区 › user8400607

h2o深度学习:输入变量影响/系数是多少?

coefficients h2o

1

user8400607 · 技术社区 · 8 年前

#Deep learning neural network

  deep<-h2o.deeplearning(
    training_frame = train,
    validation_frame = valid,
    x=predictors,
    y=target,
    #distribution = "gaussian",
    #loss = "Automatic",
    hidden=c(200,200,200),
    epochs = 50,
    #activation="Rectifier",
    stopping_metric="deviance",
    stopping_tolerance=1e-4,      # stops when deviance does not improve by 
                                     >=0.0001 for 5 scoring events
  )

  summary(deep)

变量重要性:

         variable relative_importance scaled_importance percentage
1     Event_1.Fog            1.000000          1.000000   0.024205
2    Event_2.Rain            0.983211          0.983211   0.023799
3      CARRIER.NK            0.946493          0.946493   0.022910
4 Event_1.noevent            0.936131          0.936131   0.022659
5     cos_deptime            0.934558          0.934558   0.022621

我知道“重要性”是作为变量的相对影响计算的,但我如何知道该变量是否有助于增加或减少滑行时间?h2o是否用符号表示每个变量的系数? 我读过这个文件 http://h2o-release.s3.amazonaws.com/h2o/latest_stable_doc.html

1 回复 | 直到 8 年前

1

2

Erin LeDell 8 年前

H2O深度学习(或RF或GBM)的可变重要性与GLM中的系数幅值(可以是正的或负的)的解释不同,这正是您所描述的。它可以被解释为“这个变量在预测结果中有多重要”,并且度量是相对于模型中的其他变量的。

H2O Deep Learning documentation ,我们使用一种称为Gedeon方法的技术来计算该测度。(RF和GBM使用不同的方法)。