H2O - Введение

Вас когда-нибудь просили разработать модель машинного обучения для огромной базы данных? Как правило, клиент предоставляет вам базу данных и просит вас сделать определенные прогнозы, например, кто будет потенциальными покупателями; если возможно раннее обнаружение случаев мошенничества и т. д. Чтобы ответить на эти вопросы, ваша задача будет заключаться в разработке алгоритма машинного обучения, который предоставит ответ на запрос клиента. Разработка алгоритма машинного обучения с нуля - непростая задача, и зачем вам это делать, когда на рынке доступно несколько готовых к использованию библиотек машинного обучения.

В наши дни вы бы предпочли использовать эти библиотеки, применить проверенный алгоритм из этих библиотек и посмотреть на его производительность. Если бы производительность не находилась в допустимых пределах, вы бы попытались либо настроить текущий алгоритм, либо попробовать совершенно другой.

Точно так же вы можете попробовать несколько алгоритмов на одном наборе данных, а затем выбрать лучший из них, который удовлетворительно соответствует требованиям заказчика. Здесь вам на помощь приходит H2O. Это платформа машинного обучения с открытым исходным кодом с полностью протестированными реализациями нескольких широко распространенных алгоритмов машинного обучения. Вам просто нужно взять алгоритм из огромного хранилища и применить его к своему набору данных. Он содержит наиболее широко используемые статистические алгоритмы и алгоритмы машинного обучения.

Чтобы упомянуть несколько здесь, он включает машины с градиентным усилением (GBM), обобщенную линейную модель (GLM), глубокое обучение и многое другое. Мало того, что он также поддерживает функцию AutoML, которая будет оценивать производительность различных алгоритмов в вашем наборе данных, тем самым сокращая ваши усилия по поиску наиболее эффективной модели. H2O используется по всему миру более чем 18000 организаций и хорошо взаимодействует с R и Python для упрощения разработки. Это платформа в памяти, которая обеспечивает превосходную производительность.

В этом руководстве вы сначала научитесь устанавливать H2O на свой компьютер с опциями Python и R. Мы поймем, как использовать это в командной строке, чтобы вы понимали, как это работает. Если вы любитель Python, вы можете использовать Jupyter или любую другую IDE по вашему выбору для разработки приложений H2O. Если вы предпочитаете R, вы можете использовать RStudio для разработки.

В этом руководстве мы рассмотрим пример, чтобы понять, как работать с H2O. Мы также узнаем, как изменить алгоритм в вашем программном коде и сравнить его производительность с предыдущим. H2O также предоставляет веб-инструмент для тестирования различных алгоритмов в вашем наборе данных. Это называется Flow.

Учебное пособие познакомит вас с использованием Flow. Наряду с этим мы обсудим использование AutoML, который определит наиболее эффективный алгоритм в вашем наборе данных. Вам не нравится изучать H2O? Продолжай читать!