从现有系数创建 H2OGeneralizedLinearEstimator 实例

Question

我有一组来自训练模型的系数，但我无法访问模型本身或训练数据集。我想创建一个H2OGeneralizedLinearEstimator实例并手动设置系数以使用该模型进行预测。

我尝试的第一件事是(这是一个重现错误的示例(：

import h2o
from h2o.estimators.glm import H2OGeneralizedLinearEstimator
from h2o.frame import H2OFrame
h2o.init()
# creating some test dataset
test = {"x":[0,1,2], "y":[0,0,1]}
df = H2OFrame(python_obj=test)
glm = H2OGeneralizedLinearEstimator(family='binomial', model_id='logreg')
# setting the coefficients
glm.coef = {'Intercept':0, 'x':1}
# predict
glm.predict(test_data=df)

这将引发错误：

H2OResponse错误：服务器错误 water.exceptions.H2OKeyNotFoundArgumentException： Error： Object 在函数中找不到"logreg"：参数的预测：模型

我还尝试根据类似训练模型的密钥设置glm.params密钥：

for key in trained.params.keys():
    glm.params.__setitem__(key, trained.params[key])

但这不会填充glm.params(glm.params = {}(。

Answer 1

看起来你想使用函数makeGLMModel

这在文档中有进一步的描述，为了您的方便，我将在这里重新发布：

修改或创建自定义 GLM 模型

在 R 和 python 中，makeGLMModel调用可用于从给定系数创建 H2O 模型。它需要在同一数据集上训练的源 GLM 模型来提取数据集信息。要从 R 或 Python 创建自定义 GLM 模型，请执行以下操作：

• R：呼叫h2o.makeGLMModel。这需要模型、系数向量和(可选(决策阈值作为参数。
• Pyton：H2OGeneralizedLinearEstimator.makeGLMModel(静态方法(将模型、包含系数的字典和(可选(决策阈值作为参数。