H2O.ai H2O-3自动算法在AWS SageMaker:分类列上的分类

Question

我正在尝试使用H2O.a的H2O-3 Automl算法在AWS SageMaker上使用控制台训练一个模型。

我的模型的目标是预测是否会根据年份、犯罪类型和地点进行逮捕。

我的数据有8列：

• primary_type：enum
• description：enum
• location_description：enum
• arrest：enum (真/假)，这是目标column
• domestic：enum (true/false)
• year：number
• latitude：number
• longitude：number

当我在AWS上使用SageMaker控制台并使用H2O-3 Automl算法创建一个新的培训作业时，我将primary_type、description、location_description和domestic列指定为绝对列。

然而，在培训作业的日志中，我总是看到以下两行：

Converting specified columns to categorical values:
[]

这使我相信，categorical_columns超参数中的training属性没有被考虑在内。

我每次都尝试使用日志中相同输出的以下超参数：

{'classification': 'true', 'categorical_columns':'primary_type,description,location_description,domestic', 'target': 'arrest'}

{'classification': 'true', 'categorical_columns':['primary_type','description','location_description','domestic'], 'target': 'arrest'}

我以为分类列的列表应该用逗号分隔，然后用逗号分隔成一个列表。

我期望在日志中输出分类列名列表，而不是空列表，如下所示：

Converting specified columns to categorical values:
['primary_type','description','location_description','domestic']

有人能帮我弄清楚如何让这些分类列应用到我的模型的培训中吗？

而且-我认为这是在我训练我的模型时运行的代码，但我还没有确认：https://github.com/h2oai/h2o3-sagemaker/blob/master/automl/automl_scripts/train#L93-L151

Answer 1

这似乎是h2o包的一个bug。https://github.com/h2oai/h2o3-sagemaker/blob/master/automl/automl_scripts/train#L106中的代码显示它直接从超参数读取categorical_columns，而不是嵌套在训练字段下。然而，当将categorical_columns字段向上移动一个级别时，该算法无法识别它。所以解决不了这个问题。

Answer 2

它似乎是基于下面的代码：https://github.com/h2oai/h2o3-sagemaker/blob/master/automl/automl_scripts/train#L106

该参数正在寻找逗号分隔的字符串。例如"cat,dog,bird"

我会尝试："primary_type,description,location_description,domestic"作为输入参数，而不是['primary_type', 'description'... etc]