Ich arbeite mit gestapelten Lernenden. Laut der Dokumentation für H2OStackedEnsembleEstimator ermöglicht die Python-Implementierung von h2o die einfache Erstellung von Ensemble-Modellen. Dies beschränkt sich jedoch auf das Erstellen von Basisklassifikatoren mit den gleichen zugrundeliegenden Trainingsdaten. Ich habe zeitbasierte Funktionen, deren Mindestdatum je nach Datenquelle variiert. Jede Datenprobe ist ein Zeitpunkt. Um so viele Daten wie möglich auszunutzen, teile ich die Features bis zu zwei Gruppen auf (je nach Relevanz und Mindestdatum) und trainiere zwei getrennte Modelle. Ich möchte diese Modelle kombinieren, aber H2OStackedEnsemessEstimator erfordert die gleichen Merkmale.Gibt es eine Python-Entsprechung für Rs h2o.stack?
Gemäß this post über die gestapelte Ensemble-Implementierung von R gibt es eine Option, nur den Metalearning-Schritt auszuführen, der nur die k-fachen Kreuzvalidierungsvorhersagen für jedes Basismodell und den wahren Zielwert erfordert.
Für den Fall, dass es jemandes Meinung ... für mein besonderes Problem, ich merke, ich werde auf ein Problem mit dem Metalearning-Schritt mit dieser Diskrepanz in Mindestdatum stoßen, und ich habe Ideen, dies zu umgehen.
Ich werde es versuchen. Vielen Dank! – joceratops