H2O로 머신 러닝

R에서 하이퍼파라미터 튜닝

Dr. Shirin Elsinghorst

Senior Data Scientist

H2O란?

library(h2o)
h2o.init()

H2O가 아직 실행 중이 아닙니다. 지금 시작합니다...
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 시작 및 연결: ... 연결 성공!
R이 H2O 클러스터에 연결되었습니다: 
    H2O 클러스터 가동 시간:      1초 620밀리초 
    H2O 클러스터 표준시:         UTC 
    H2O 데이터 파싱 표준시:      UTC 
    H2O 클러스터 버전:           3.38.0.1 
    H2O 클러스터 버전 경과:      2개월 25일  
    H2O 클러스터 이름:           H2O_started_from_R_repl_chk886 
    H2O 클러스터 노드 수:        1 
    H2O 클러스터 총 메모리:      0.98 GB 
    H2O 클러스터 총 코어:        2 
    H2O 클러스터 허용 코어:      2 
    H2O 클러스터 상태:           TRUE 
    H2O 연결 IP:                 localhost 
    H2O 연결 포트:               54321 
    H2O 연결 프록시:             NA 
    H2O 내부 보안:               FALSE 
    R 버전:                      R version 4.2.1 (2022-06-23)

새 데이터셋: 씨앗 데이터

glimpse(seeds_data)

관측치: 150
변수: 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

H2O로 모델링을 위한 데이터 준비

데이터는 H2O 프레임으로
```
seeds_data_hf <- as.h2o(seeds_data)
```

피처와 타깃 변수 정의

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

분류 문제에서는 타깃을 factor로 변환

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

학습, 검증, 테스트 세트

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

H2O로 모델 학습

h2o.gbm(), h2o.xgboost()로 그레이디언트 부스팅
h2o.glm()로 일반화 선형 모델
h2o.randomForest()로 랜덤 포레스트
h2o.deeplearning()로 신경망

H2O로 모델 학습

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

모델 세부정보:
==============

H2OMultinomialModel: gbm
Model ID:  GBM_model_R_1540736041817_1 
모델 요약: 
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

모델 성능

perf <- h2o.performance(gbm_model, test)

h2o.confusionMatrix(perf)

혼동 행렬: 행=실제 클래스; 열=예측 클래스
       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
Totals 7 8 6 0.0476 = 1 / 21

h2o.logloss(perf)

0.2351779

새 데이터 예측

h2o.predict(gbm_model, test)

Ayo berlatih!

R에서 하이퍼파라미터 튜닝