H2O ile makine öğrenmesi

R'de Hiperparametre Ayarlama

Dr. Shirin Elsinghorst

Senior Data Scientist

H2O nedir?

library(h2o)
h2o.init()

H2O henüz çalışmıyor, şimdi başlatılıyor...
java version "1.8.0_351"
Java(TM) SE Runtime Environment (build 1.8.0_351-b10)
Java HotSpot(TM) 64-Bit Server VM (build 25.351-b10, mixed mode)
H2O JVM’i başlatılıyor ve bağlanılıyor: ... Bağlantı başarılı!
R, H2O kümesine bağlı: 
    H2O küme çalışma süresi:     1 saniye 620 milisaniye 
    H2O küme saat dilimi:        UTC 
    H2O veri ayrıştırma saat dilimi:  UTC 
    H2O küme sürümü:             3.38.0.1 
    H2O küme sürüm yaşı:         2 ay 25 gün  
    H2O küme adı:                H2O_started_from_R_repl_chk886 
    H2O toplam düğüm:            1 
    H2O toplam bellek:           0.98 GB 
    H2O toplam çekirdek:         2 
    H2O izinli çekirdek:         2 
    H2O kümesi sağlıklı:         TRUE 
    H2O Bağlantı ip:             localhost 
    H2O Bağlantı portu:          54321 
    H2O Bağlantı vekili:         NA 
    H2O Dahili Güvenlik:         FALSE 
    R Sürümü:                    R version 4.2.1 (2022-06-23)

Yeni veri seti: tohum verisi

glimpse(seeds_data)

Gözlem: 150
Değişken: 8
$ area          <dbl> 15.26, 14.88, 14.29, 13.84 ...
$ perimeter     <dbl> 14.84, 14.57, 14.09, 13.94 ...
$ compactness   <dbl> 0.8710, 0.8811, 0.9050 ...
$ kernel_length <dbl> 5.763, 5.554, 5.291, 5.324 ...
$ kernel_width  <dbl> 3.312, 3.333, 3.337, 3.379 ...
$ asymmetry     <dbl> 2.2210, 1.0180, 2.6990 ...
$ kernel_groove <dbl> 5.220, 4.956, 4.825, 4.805 ...
$ seed_type     <int> 1, 1, 1, 1, 1, 1, 1, 1, 1, ...

seeds_data %>%
  count(seed_type)

# A tibble: 3 x 2
  seed_type     n
      <int> <int>
1         1    50
2         2    50
3         3    50

H2O ile modelleme için veriyi hazırlama

Veriyi H2O frame olarak
```
seeds_data_hf <- as.h2o(seeds_data)
```

Özellikler ve hedef değişkeni tanımlayın

y <- "seed_type"
x <- setdiff(colnames(seeds_data_hf), y)

Sınıflandırmada hedef faktör olmalıdır

seeds_data_hf[, y] <- as.factor(seeds_data_hf[, y])

Eğitim, doğrulama ve test setleri

sframe <- h2o.splitFrame(data = seeds_data_hf, 
                         ratios = c(0.7, 0.15),
                         seed = 42)
train <- sframe[[1]]
valid <- sframe[[2]]
test <- sframe[[3]]

summary(train$seed_type, exact_quantiles = TRUE)

seed_type
 1:36     
 2:36     
 3:35

summary(test$seed_type, exact_quantiles = TRUE)

 seed_type
 1:8      
 2:8      
 3:5

H2O ile model eğitimi

h2o.gbm() ve h2o.xgboost() ile gradyan artırmalı modeller
h2o.glm() ile genelleştirilmiş doğrusal modeller
h2o.randomForest() ile rastgele ormanlar
h2o.deeplearning() ile sinir ağları

H2O ile model eğitimi

gbm_model <- h2o.gbm(x = x, y = y, 
                     training_frame = train, 
                     validation_frame = valid)

Model Ayrıntıları:
==============

H2OMultinomialModel: gbm
Model ID:  GBM_model_R_1540736041817_1 
Model Özeti: 
ağaç_sayısı iç_ağaç_sayısı model_boyutu_bayt min_derinlik 
             50                      150               24877         2 
max_derinlik ort_derinlik min_yaprak max_yaprak ort_yaprak
        5    4.72000          3         10     8.26667

Model performansı

perf <- h2o.performance(gbm_model, test)

h2o.confusionMatrix(perf)

Karmaşıklık Matrisi: Satır etiketleri: Gerçek sınıf; Sütun etiketleri: Tahmin edilen sınıf
       1 2 3  Hata     Oran
1      7 0 1 0.1250 =  1 / 8
2      0 8 0 0.0000 =  0 / 8
3      0 0 5 0.0000 =  0 / 5
Toplam 7 8 6 0.0476 = 1 / 21

h2o.logloss(perf)

0.2351779

Yeni veriyi tahmin etme

h2o.predict(gbm_model, test)

Hadi pratik yapalım!

R'de Hiperparametre Ayarlama