如何在Java API中使用生成的H2O自动编码器/异常检测模型进行推理

Question

我想在Java类中使用H2O自动编码器(异常检测)进行推断/预测。

我用R从H2O DeepLearningBooklet中构建了一个自动编码器示例"ECG Hearbeats"并保存了它。我可以成功地将生成的Java类及其相关的H2O-genmol.jar导入到我的Java项目中。

不幸的是，我在那里找不到如何使用它的示例或文档。

以下是我第一次尝试使用一些代码，以及根据我在Java代码中用于推理的其他H2O模型的经验进行的一些猜测：

private static String modelClassName = "machinelearning.DeepLearning_model_R_1509973865970_1";
public static void main(String[] args) throws Exception {
hex.genmodel.GenModel rawModel;
rawModel = (hex.genmodel.GenModel) Class.forName(modelClassName).newInstance();
EasyPredictModelWrapper model = new EasyPredictModelWrapper(rawModel);
RowData row = new RowData();
// row.put(key, value); // TODO Add new line of input data, e.g.:
// 2.10,2.13,2.19,2.28,2.44,2.62,2.80,3.04,3.36,3.69,3.97,4.24,4.53,4.80,5.02,5.21,5.40,5.57,5.71,5.79,5.86,5.92,5.98,6.02,6.06,6.08,6.14,6.18,6.22,6.27,6.32,6.35,6.38,6.45,6.49,6.53,6.57,6.64,6.70,6.73,6.78,6.83,6.88,6.92,6.94,6.98,7.01,7.03,7.05,7.06,7.07,7.08,7.06,7.04,7.03,6.99,6.94,6.88,6.83,6.77,6.69,6.60,6.53,6.45,6.36,6.27,6.19,6.11,6.03,5.94,5.88,5.81,5.75,5.68,5.62,5.61,5.54,5.49,5.45,5.42,5.38,5.34,5.31,5.30,5.29,5.26,5.23,5.23,5.22,5.20,5.19,5.18,5.19,5.17,5.15,5.14,5.17,5.16,5.15,5.15,5.15,5.14,5.14,5.14,5.15,5.14,5.14,5.13,5.15,5.15,5.15,5.14,5.16,5.15,5.15,5.14,5.14,5.15,5.15,5.14,5.13,5.14,5.14,5.11,5.12,5.12,5.12,5.09,5.09,5.09,5.10,5.08,5.08,5.08,5.08,5.06,5.05,5.06,5.07,5.05,5.03,5.03,5.04,5.03,5.01,5.01,5.02,5.01,5.01,5.00,5.00,5.02,5.01,4.98,5.00,5.00,5.00,4.99,5.00,5.01,5.02,5.01,5.03,5.03,5.02,5.02,5.04,5.04,5.04,5.02,5.02,5.01,4.99,4.98,4.96,4.96,4.96,4.94,4.93,4.93,4.93,4.93,4.93,5.02,5.27,5.80,5.94,5.58,5.39,5.32,5.25,5.21,5.13,4.97,4.71,4.39,4.05,3.69,3.32,3.05,2.99,2.74,2.61,2.47,2.35,2.26,2.20,2.15,2.10,2.08
AutoEncoderModelPrediction p = model.predictAutoEncoder(row);
System.out.println(p.reconstructedRowData);
System.out.println(p.reconstructed[0]);
// TODO How to do get the MSE from object 'p'? 

这段代码实际上是编译和运行的。然而，我真的不明白如何

1. 正确配置EasyPredictModelWrapper(或者我只需要实例化它？)
2. 添加一个新的单个事件进行预测，因为我没有键，但只有ECG心跳的值。(我认为row.putAll方法最适合ECG数据集的各种特征？！)
3. 从预测中获得MSE(类似于我们在R/Python示例中看到的"reco_error<-as.data.frame(reco_error)"，在那里你可以看到所有23条心电图线的重建误差？(然后我可以定义一个阈值，并构建一个实时应用程序，在达到阈值时创建警报)

我认为答案很简单，但没有文档不容易找到：-)

谢谢你的帮助。

Answer 1

(最后是main.java的代码示例)

1. 您正确地拥有它，并且它在这一行rawModel = (hex.genmodel.GenModel) Class.forName(modelClassName).newInstance();中被实例化

2. key是列标题，value是实际值，如果H2Oframe没有列标题，则H2O将自动将它们分配给C1、C2等。您可以手动编写此内容，也可以使用System.out.println(java.util.Arrays.toString(rawModel.getNames()));使用循环(有关此示例，请参阅代码片段)

3. 目前还没有这样的方法，但你可以获得原始值和重建值，然后根据它们计算MSE(见下面的代码片段，最后几行使用original和reconstructed数组计算MSE)

当我创建模型时，我将其称为anomaly_model(请参阅下面的代码，model_id是参数之一)，您将在下面的最后一个代码片段中看到使用的名称，因此如果您使用不同的名称，则需要更新该部分。

anomaly_model <- h2o.deeplearning(x = names(train_ecg), training_frame = train_ecg, activation = "Tanh",
autoencoder = TRUE,hidden = c(50,20,50),sparse = TRUE,l1 = 1e-4,epochs = 100, model_id = 'anomaly_model')

以下是关于如何创建main.java文件、传入键的列名以及使用内置方法结果计算MSE的示例代码。

(注意：我为row.put(key, values)生成了随机值，你可以把你想要的东西放在那里)

import java.io.*;
import hex.genmodel.easy.RowData;
import hex.genmodel.easy.EasyPredictModelWrapper;
import hex.genmodel.easy.prediction.*;
public class main {
private static String modelClassName = "anomaly_model";
public static void main(String[] args) throws Exception {
hex.genmodel.GenModel rawModel;
rawModel = (hex.genmodel.GenModel) Class.forName(modelClassName).newInstance();
EasyPredictModelWrapper model = new EasyPredictModelWrapper(rawModel);
java.util.Random rng = new java.util.Random();
RowData row = new RowData();
for (String colName : rawModel.getNames()) {
row.put(colName,rng.nextDouble());
}
AutoEncoderModelPrediction p = model.predictAutoEncoder(row);
System.out.println("original: " + java.util.Arrays.toString(p.original));
System.out.println("reconstructedrowData: " + p.reconstructedRowData);
System.out.println("reconstructed: " + java.util.Arrays.toString(p.reconstructed));
double sum = 0;
for (int i = 0; i<p.original.length; i++) {
sum += (p.original[i] - p.reconstructed[i])*(p.original[i] - p.reconstructed[i]);
}
double mse = sum/p.original.length;
System.out.println("MSE: " + mse);
}
}

希望这能有所帮助！