Ich betreibe haben h2o deeplearning und ein Modell erhalten, wieFehler in chk.H2OFrame (x): muss ein H2OFrame sein
best_model<- h2o.deeplearning(activation = "RectifierWithDropout",
hidden = c(200, 200, 200, 200, 200),
hidden_dropout_ratio = c(0.1, 0.1, 0.1, 0.1, 0.1),
loss = "CrossEntropy",
l1 = 1e-5,
epochs = EPOCHS,
distribution = "multinomial",
seed = 5000,
balance_classes = TRUE,
y = c("Churn"),
x = columns,
validation_frame = churn_validation,
training_frame = churn_training
)
Nun folgt ich versuche, es zu testen, mit meinem Testdaten wie folgt
churn_prediction <- h2o.predict(best_model, my_test)
ich diesen Fehler:
Error in chk.H2OFrame(x) : must be an H2OFrame
Irgendwelche Vorschläge bitte?
EDIT: Das Beispiel aus der Dokumentation, die
library(h2o)
h2o.init()
iris.hex <- as.h2o(iris)
iris.dl <- h2o.deeplearning(x = 1:4, y = 5, training_frame = iris.hex)
# now make a prediction
predictions <- h2o.predict(iris.dl, iris.hex)
Sieht aus wie my_test ist kein H2OFrame. Hast du my_test in einen h2oframe umgewandelt? – phiver
@phiver Die Dokumentationsbeispiele zeigen, dass wir die Ausgabe der Deeplearning-Funktion direkt verwenden können. Eine explizite Konvertierung ist nicht erforderlich. Also ich bin mir nicht sicher, was hier falsch ist. –
Ich bin mit Phiver hier, my_test muss ein H2OFrame sein. Wenn Sie nicht zustimmen, geben Sie bitte die genaue Dokumentation an, die Sie dazu bringt, anders zu denken und/oder ein reproduzierbares Beispiel zu erstellen. – jmuhlenkamp