r语言 - 在 GBM 的超参数调整中进行网格搜索以获取 gini 指数以获取花呢损失函数

Question

我正在为 H2o 中的 gbm 模型进行超参数调整，因为我的损失函数是 Tweedie，我不想将 mse 视为我的模型选择标准。

在H 2o文档中，它说可以计算回归和分类模型的基尼指数，但是当我尝试为我的Tweedie回归模型获取它时，它返回null。以下是我如何获得最佳模型并在测试集上评分的方法。

gbm_sorted_grid <- h2o.getGrid(grid_id = "grid_hp4", sort_by = 
"residual_deviance")
best_model <- h2o.getModel(gbm_sorted_grid@model_ids[[1]])  
perf <- h2o.performance(best_model, newdata = lrs_test)
h2o.giniCoef(perf)
Null

当我尝试下面的代码时，出现以下错误：

h2o.giniCoef(best_model) : No Gini for H2ORegressionModel

这仅适用于伯努利分布吗？

Answer 1

H2O-3 中的 giniCoef 仅支持二元分类问题，这是文档中的错误。我创建了一个 jira 票证，以便更新用户指南。感谢您强调这个问题！