问题标签 [h2o.ai]

我试图在具有 500 万条记录和 70 个特征的数据集上使用 R 中的 h2o 在具有 32 GB RAM 的 linux 服务器上运行 automl 模型。

这是我试图运行的代码：

我收到了这个错误：

|==== | .h2o.doSafeREST 中的 8% 错误（h2oRestApiVersion = h2oRestApiVersion，urlSuffix = page，：意外的 CURL 错误：接收失败：连接由 .h2o.doSafeREST 中的 peerError 重置（h2oRestApiVersion = h2oRestApiVersion，urlSuffix = urlSuffix，：意外的 CURL 错误：连接失败到 localhost:54321；连接被拒绝

然后，在我尝试使用以下命令初始化 h2o 时重新启动 R 会话并进行所有清理后：

h2o.init()

它给了我一个错误：

H2O 尚未运行，现在开始运行...系统出错（粘贴（which, shQuote(names[i]))，intern = TRUE，ignore.stderr = TRUE）：无法打开 '/usr/bin/which' java' 2>/dev/null'，可能的原因'无法分配内存'

有谁知道如何修理它。我还没有在网上找到任何解决方案。

编辑 1

通过重启服务器；h2o got 正在使用h2o.init. 并且，通过使用keep_cross_validation_models = Fin h2o.automl; 模型生成完成到 100%。

h2o.automl但是，在进度条达到 100%后，我开始收到这个新错误。

|=================================================== =====| 100% 错误：意外的 HTTP 状态代码：500 服务器错误（url = http://localhost:54321/3/Jobs/$03017f00000132d4ffffffff$_8d3c6f4c4fd73944d1ce4624042d44a9）错误：解析错误：过早的 EOF（就在这里）------^

编辑2：

通过重新启动服务器并通过添加max_mem_size = "12g"选项来初始化 h2o，问题得到了解决。

我正在尝试运行 H2o 的 automl，我想在 automl 中查看 XGboost 的结果。当我尝试运行此代码时：

我收到这条消息：

  | | 0% 16:25:37.796：AutoML：XGBoost 不可用；跳过它。作业 $03017f00000132d4ffffffff$_8c51b0759fd2e77fd8940b41f83340c2 已取消。

我在 Centos 7 linux 服务器上使用 H2o 3.32.1.1 版本。我正在使用 R 3.6.0 版本。我使用以下方法安装了 H2o：

install.packages("h2o", type="source", repos=(c("http://h2o-release.s3.amazonaws.com/h2o/latest_stable_R"))) 如给出： https ://docs.h2o.ai/h2o/latest-stable/h2o-docs/downloading.html

请帮忙。我不知道为什么 xgboost 不在 automl 中运行。以及，如何解决。我在网上找不到任何解决方案来解决这个问题。

编辑

通过在 R 中安装xgboost软件包解决了问题。感谢大家的评论并指导我xgboost在 R 中安装。

我使用选项构建了我的 GLRM 模型：transform="standardize"，它输出标准化的 X 和 Y 矩阵。我可以使用以下方法将 Y 矩阵检索回原始训练数据特征空间：

关于矩阵 X，我只能使用以下代码对其进行标准化检索：

有人可以帮助我理解如何使矩阵 X 不标准化吗？

先感谢您，

路易莎·诺盖拉

我想指定应该为 h2o randomforest/gbm函数中的每棵树“提供”一列。（随机森林采用列的子样本，我想确保每个子集都有我最喜欢的列。）这可能吗？

（我没有可重复的例子，这是一个概念问题。）

我正在关注无人驾驶的教程：Driverless AI Standalone Python Scoring Pipeline，您可以在以下链接中查看：

http://docs.h2o.ai/driverless-ai/latest-stable/docs/userguide/scoring-standalone-python.html#tar-method-py

我正在表演：

运行 Python 评分过程 - 推荐

但是，在运行最后一步时：

DRIVRLESS_AI_LICENSE_KEY = "这里粘贴密钥" SCORING_PIPELINE_INSTALL_DEPENDENCIES = 0 /path/to/your/dai-env.sh ./run_example.sh

发生以下错误：

回溯（最近一次调用最后一次）：文件“example.py”，第 7 行，从scoring_h2oai_experiment_5fd7ff9c_b11a_11eb_b91f_0242ac110002 导入记分器文件“/usr/local/lib/python3.6/dist-packages/scoring_h2oai_experiment_5fd7ff9c_b11a_11,100102/init 0242.py ”行在

第 7 行，在

ModuleNotFoundError：没有名为“h2oaicore”的模块

- 希望你能帮助我，在此先感谢。

我正在尝试在 r4.8x large 上运行 H2O xgboost。但是运行时间太长（15 小时以上，而具有相同超参数网格大小的 GBM 需要 4 小时）。

知道 XGBoost 使用缓存优化，是否有任何特定的实例类型最适合 H2O 的 XGBoost 实现？

我的训练数据有 28K 行和 150 个二进制列。我正在运行网格搜索。

我在复制H2O 文档中的 AutoML 教程时遇到问题。启动我的 h2o 本地服务器 ( h2o.init()) 后，我得到以下输出，这听起来是正确的：

接下来，我按照教程的规定导入数据集：

最后，我训练我的 AutoML 模型：

那是当它崩溃并显示以下消息时：

尝试了不同的数据集，包括一些样本，以防它是内存问题但无济于事。错误占上风。

任何人都知道我应该怎么做才能解决这个问题？

非常感激！

问候。

我正在尝试使用h2o automl对时间序列数据集进行股票价格预测。如果我想使用前 5 天的历史预测未来 3 天的收盘价，我可以在 h2o automl 中设置这种窗口大小吗？

我正在阅读建议 h2o.ai 将其 ML 集成到雪花中的文章标题。 https://www.h2o.ai/resources/solution-brief/integration-of-h2o-driverless-ai-with-snowflake/

如果我想像 gbm 一样导出 POJO 学习器并让它在雪花中运行，有没有一种干净的方法可以做到这一点？我在找到的（几篇）文章中没有看到任何明确的方向。

它如何与 ML-ops 集成？

对于我在 Rstudio 上第一次使用 Package H2o，我收到了 Ridge 模型的以下消息

这是我使用的代码，不幸的是我无法共享我的数据库，因为它是机密的