H2O Deep Learning läuft Regression standardmäßig, obwohl ich sichergestellt habe, dass die Zielvariable ein Faktor ist (mit nur zwei Ebenen). Irgendwelche Hinweise darauf, wie das gelöst werden kann?H2O Deep Learning R
Unten ist der Code:
dnn_mod <-
h2o.deeplearning(x = 2:321, # column numbers for predictors
y = 322, # column number for label
training_frame = sdcs_data, # data in H2O format
activation = "TanhWithDropout", # or 'Tanh'
input_dropout_ratio = 0.2, # % of inputs dropout
hidden_dropout_ratios = c(0.3,0.3,0.3), # % for nodes dropout
balance_classes = FALSE,
hidden = c(150,150,150),
epochs = 500,
#standardize = TRUE,
epsilon = 1.0e-5,
loss = "CrossEntropy",
stopping_rounds = 50,
stopping_metric = "AUC")
#classification = TRUE)
was meinst du mit "läuft Regression"? – lejlot
Standardmäßig wird ein Regressionsmodell anstelle der Klassifizierung ausgeführt. Parameter wie der CrosseEntropy-Verlust machen in diesem Fall keinen Sinn und werfen einen Fehler. –
Also setze nicht loss = "CrossEntropy" .... –