machine-learning - 具有多种功能的培训模型，其值(value)观在概念上是相同的

例如，假设我正在尝试训练一个采用以下形式的样本输入的二进制分类器

x = {d=(type of desk), p1=(type of pen on desk), p2=(type of *another* pen on desk)}

说我然后在样本上训练模型：

x1 = {wood, ballpoint, gel},      y1 = {0}

x2 = {wood, ballpoint, ink-well}, y2 = {1}.

并尝试预测新样本：x3 = {wood, gel, ballpoint}。在这种情况下，我希望的响应是y3 = {0}，因为从概念上讲，哪个笔指定为p1或p2无关紧要（即，我不想让它重要）。

尝试运行此模型时（在我的情况下，使用h2o.ai生成的模型），出现以下错误：p2的类别枚举无效（因为该模型从未在p2中看到'ballpoint'训练期间的类别）（在h2o中：hex.genmodel.easy.exception.PredictUnknownCategoricalLevelException）

我的第一个想法是为每个样本生成“笔”特征的排列以训练模型。有没有更好的方法来处理这种情况？具体来说，在h2o.ai Flow UI解决方案中，因为这就是我用来构建模型的方式。谢谢。

最佳答案

H2O二进制模型（在H2O集群中运行的模型）将自动处理看不见的分类级别，但是，当您使用纯Java POJO模型方法（如您的情况）生成预测时，这是一个可配置的选项。在EasyPredictModelWrapper中，默认行为是未知类别级别引发PredictUnknownCategoricalLevelException，这就是为什么您看到该错误的原因。

EasyPredictModelWrapper Javadocs中有关于此的更多信息。
这是一个例子：

用于生成的POJO和MOJO模型的简单预测API。用法如下：
1.实例化EasyPredictModelWrapper
2.创建新的数据行
3.调用预测方法之一

这是一个例子：

// Step 1.
modelClassName = "your_pojo_model_downloaded_from_h2o";
GenModel rawModel;
rawModel = (GenModel) Class.forName(modelClassName).newInstance();

EasyPredictModelWrapper model = new EasyPredictModelWrapper(
                                    new EasyPredictModelWrapper.Config()
                                        .setModel(rawModel)
                         .setConvertUnknownCategoricalLevelsToNa(true));

// Step 2.
RowData row = new RowData();
row.put(new String("CategoricalColumnName"), new String("LevelName"));
row.put(new String("NumericColumnName1"), new String("42.0"));
row.put(new String("NumericColumnName2"), new Double(42.0));

// Step 3.
BinomialModelPrediction p = model.predictBinomial(row);