Machine learning dengan H2O

Penyetelan Hyperparameter di R

Dr. Shirin Elsinghorst

Senior Data Scientist

Apa itu H2O?

library(h2o)
h2o.init()

H2O belum berjalan, memulai sekarang...
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)
Memulai JVM H2O dan menyambung: ... Koneksi berhasil!
R tersambung ke klaster H2O: 
    Waktu aktif klaster H2O:  1 detik 620 milidetik 
    Zona waktu klaster H2O:  UTC 
    Zona waktu parsing data H2O:  UTC 
    Versi klaster H2O:        3.38.0.1 
    Umur versi klaster H2O:   2 bulan 25 hari  
    Nama klaster H2O:         H2O_started_from_R_repl_chk886 
    Jumlah node klaster H2O:  1 
    Total memori klaster H2O: 0.98 GB 
    Total core klaster H2O:   2 
    Core yang diizinkan:      2 
    Kesehatan klaster H2O:    TRUE 
    IP Koneksi H2O:           localhost 
    Port Koneksi H2O:         54321 
    Proksi Koneksi H2O:       NA 
    Keamanan Internal H2O:    FALSE 
    Versi R:                  R version 4.2.1 (2022-06-23)

Dataset baru: data seeds

glimpse(seeds_data)

Observasi: 150
Variabel: 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

Menyiapkan data untuk pemodelan dengan H2O

Data sebagai H2O frame
```
seeds_data_hf <- as.h2o(seeds_data)
```

Definisikan fitur dan target

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

Untuk klasifikasi, target harus berupa faktor

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

Set pelatihan, validasi, dan uji

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

Pelatihan model dengan H2O

Model gradient boosting dengan h2o.gbm() & h2o.xgboost()
Model linear umum dengan h2o.glm()
Model random forest dengan h2o.randomForest()
Jaringan saraf dengan h2o.deeplearning()

Pelatihan model dengan H2O

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

Detail Model:
==============

H2OMultinomialModel: gbm
ID Model:  GBM_model_R_1540736041817_1 
Ringkasan Model: 
number_of_trees number_of_internal_trees model_size_in_bytes min_depth 
             50                      150               24877         2 
max_depth mean_depth min_leaves max_leaves mean_leaves
        5    4.72000          3         10     8.26667

Kinerja model

perf <- h2o.performance(gbm_model, test)

h2o.confusionMatrix(perf)

Matriks Kebingungan: Baris: Kelas aktual; Kolom: Kelas prediksi
       1 2 3  Error     Rate
1      7 0 1 0.1250 =  1 / 8
2      0 8 0 0.0000 =  0 / 8
3      0 0 5 0.0000 =  0 / 5
Total  7 8 6 0.0476 = 1 / 21

h2o.logloss(perf)

0.2351779

Prediksi data baru

h2o.predict(gbm_model, test)

Ayo berlatih!

Penyetelan Hyperparameter di R