使用H2O从R到Python创建类似的决策树模型

Question

我目前正在尝试使用H2O构建决策树模型。

我看到了一些问题，说我们可以通过扭曲内部命令来使用随机森林。

如何将R代码更改为H2O Python代码？

tree = rpart(test ~ ., control = rpart.control(minbucket = nrow(data_test)/100, maxdepth = 2))

我的这个看起来很奇怪，不起作用！

rf_model = H2ORandomForestEstimator(balance_classes=True, ntrees=1, max_depth=2,
mtries=10, seed=123, score_each_iteration=True)
rf_model.train(x=features, y='test', training_frame=h2o_df)

Answer 1

你能试试下面的H2O函数吗：H2O.randomForest(((链接示例(

关于您的参数，对于min_bucket，我会尝试min_rows=1，即使min_rows应用于所有叶，而不仅仅是终端叶。