今天詳細(xì)研究一下h2o flow的操作流程壮锻，分析其中的關(guān)鍵步驟及界面要素湿故，為后續(xù)改造做準(zhǔn)備惊完。
首先
h2o flow有點(diǎn)類似于jupyter，是一個(gè)文本和代碼混合的編輯器邀跃，這個(gè)思想目前在我們系統(tǒng)中應(yīng)該不會(huì)去考慮霉咨！
導(dǎo)入文件(Import Files)
h2o貌似支持導(dǎo)入多種文件格式，比如.gz拍屑、.zip途戒、.csv、.txt等等丽涩，也可以直接導(dǎo)入一個(gè)文件目錄棺滞。
我測(cè)試的時(shí)候，是直接使用.gz文件矢渊，里面其實(shí)是一個(gè)mnist的csv文件继准。
系統(tǒng)在導(dǎo)入一個(gè)文件之后，會(huì)為這個(gè)文件生成另外一個(gè)后綴為.hex的文件矮男，后續(xù)解析文件以及建模都依賴于此移必。
解析文件(Parse File)
前面的導(dǎo)入文件只是第一步，而這一步解析文件很關(guān)鍵毡鉴，一般情況下崔泵，h2o很智能秒赤，它知道怎么去解析文件，但是它也提供了解析文件的各種參數(shù)憎瘸，方便用戶選擇入篮。
下面描述一下這些參數(shù)：
ID：就是之前說(shuō)的，系統(tǒng)會(huì)為導(dǎo)入的文件起一個(gè)后綴為
.hex的名字幌甘，這個(gè)名字在這里可以修改潮售。-
Parser：這個(gè)解析器，我的理解就是對(duì)應(yīng)h2o支持的幾種文件格式
- AUTO：由h2o來(lái)自動(dòng)解析
- ARFF
- XLS
- XLSX
- CSV
- SVMLight
- ORC
- AVRO
- PARQUET
-
Separator：應(yīng)該指的就是文件內(nèi)列分隔的標(biāo)識(shí)，一般像
csv文件都是以,分隔的。下面截幾個(gè)圖示意一下爽锥，h2o里支持的分隔符非常多。
2018-05-07-16-04-31.jpg
2018-05-07-16-05-34.jpg
Column Headers：列頭的解析規(guī)則肮帐，有的文件會(huì)在第一行標(biāo)明列名信息，以有則不會(huì)边器，所以需要設(shè)置一下训枢。h2o提供了參數(shù)選擇，根據(jù)實(shí)際情況選擇即可忘巧。
Options：其它一些參數(shù)配置肮砾，
Enable single quotes as a field quotation character表示啟用單引號(hào)表示引用字符。Delete on done應(yīng)該是指解析完之后就刪除導(dǎo)入數(shù)據(jù)袋坑，h2o建議是選中這個(gè)的。EDIT COLUMN NAMES AND TYPES：這個(gè)是非常重要的設(shè)置眯勾，需要告訴解析器文件中每一列的
列名以及列的數(shù)據(jù)類型枣宫。同樣一般情況下，如果沒(méi)有列名的話吃环，h2o會(huì)自增設(shè)置也颤，數(shù)據(jù)類型h2o也會(huì)自動(dòng)判斷，但是自動(dòng)判斷不見(jiàn)得都是正確的郁轻，最后用戶還是需要檢查一下翅娶，并將一些重要的列設(shè)置正確。比如對(duì)于分類問(wèn)題好唯，樣本的標(biāo)簽值一般都是數(shù)字竭沫，但是用戶需要在這里將其設(shè)置為枚舉，即Enum骑篙。
h2o在解析文件時(shí)蜕提，會(huì)出來(lái)如下一個(gè)界面，顯示解析的進(jìn)度：
在
h2o中靶端，基本每一個(gè)操作都會(huì)被當(dāng)成一個(gè)Job谎势。
點(diǎn)擊View之后：
可以看到數(shù)據(jù)集的詳情凛膏，并且用戶可以將標(biāo)簽列設(shè)置為枚舉，當(dāng)標(biāo)簽列設(shè)置為枚舉之后脏榆，h2o會(huì)出現(xiàn)針對(duì)分類標(biāo)簽的統(tǒng)計(jì)圖表：
上圖中的inspect中文含義是“檢查”猖毫，可以理解為數(shù)據(jù)可視化，用戶可以配置不同的參數(shù)须喂，以查看到該標(biāo)簽列的數(shù)據(jù)分頁(yè)圖表吁断。
impute有點(diǎn)像是糾錯(cuò)的意思，用戶可以修改某一列具體取值的計(jì)算規(guī)則：
Column-C785+Method-Mean+Group By C1 C2镊折，我個(gè)人理解胯府，意思就是"把C785這一列的值，修改為依據(jù)C1和C2恨胚，取它們的平均值(Mean)"骂因。
Method有三種取值：Mean（平均值），Median（中值）赃泡，Mode（取模）
構(gòu)建模型(Build Model)
第一步：選擇模型算法
由于我現(xiàn)在做的是mnist示例寒波，所以我選擇Deep Learning，當(dāng)選擇了深度學(xué)習(xí)算法之后升熊，會(huì)發(fā)現(xiàn)界面增加了大量的參數(shù)配置：
下面按照官方說(shuō)明俄烁，給出一些重要的參數(shù)說(shuō)明：
上圖主要是設(shè)置訓(xùn)練數(shù)據(jù)集以及測(cè)試數(shù)據(jù)集，還有最終的分類列级野，即上圖中的response_column页屠。
activation：設(shè)置激活函數(shù)
hidden：設(shè)置隱藏層的維度及神經(jīng)元個(gè)數(shù)，這里的
128,64蓖柔，就表示設(shè)置了兩個(gè)隱藏層辰企，第一層有128個(gè)神經(jīng)元，第二層有64個(gè)神經(jīng)元epochs：這個(gè)應(yīng)該都能理解况鸣，就是訓(xùn)練的
輪數(shù)variable_importance：變量重要性牢贸，這個(gè)我不懂，不亂說(shuō)
adaptive_rate：自適應(yīng)學(xué)習(xí)率镐捧，如果要手動(dòng)設(shè)置的話潜索，需要取消選中狀態(tài)
input_dropout_ratio：這是一個(gè)防止過(guò)擬合的參數(shù)，這是設(shè)置輸入層的比率懂酱，因?yàn)檩斎雽又挥幸粋€(gè)竹习，所以這里設(shè)置一個(gè)就行了
hidden_dropout_ratios：同上，這是設(shè)置隱藏層的比率列牺，因?yàn)槲覀儎偛旁O(shè)置了隱藏層是兩個(gè)由驹，所以這里以逗號(hào)分隔
l1與l2：這也是防止過(guò)擬合的參數(shù)，具體我不懂
這四個(gè)參數(shù)是設(shè)置early stop的參數(shù)，具體含義我不了解
這些參數(shù)是設(shè)置隨機(jī)因子蔓榄、學(xué)習(xí)率并炮、衰變率、動(dòng)量因子等甥郑，具體看解釋吧逃魄。
正式構(gòu)建模型
點(diǎn)擊Build Model：
點(diǎn)擊上圖中的超鏈接：
可以看到h2o為模型提供了大量的可視化數(shù)據(jù)展示，以及功能按鈕澜搅。上圖展示了對(duì)一個(gè)模型可以進(jìn)行的操作：
Refresh：刷新
Predict：預(yù)測(cè)
Download POJO：這個(gè)應(yīng)該是下載模型對(duì)象伍俘，具體下載下來(lái)，會(huì)發(fā)現(xiàn)是一個(gè)
Java文件勉躺，文件有3M多癌瘾，大概10萬(wàn)多行。Download Model Deployment Package(MOJO)：一個(gè)壓縮包饵溅，我也不知道是什么東東妨退。
Export：將模型導(dǎo)出到指定路徑下。
Inspect：具體不知道蜕企。
Delete：刪除模型
Download Gen Model：一個(gè)可執(zhí)行的jar包咬荷。
下面仔細(xì)看看具體的模型結(jié)果展示信息：
第一個(gè)是模型參數(shù)信息，即前面在構(gòu)建模型前轻掩，所設(shè)置的自定義參數(shù)：
下面這個(gè)不知道是什么意思幸乒，好像是把損失取了一下對(duì)數(shù)進(jìn)行圖表展示，但不知道具體有什么含義唇牧。
下面這個(gè)是變量重要性罕扎，意思應(yīng)該就是針對(duì)所有的特征列，它能計(jì)算出哪些對(duì)結(jié)果的影響更重要丐重，會(huì)對(duì)這些特征做一個(gè)重要性排序壳影。
這應(yīng)該就是一個(gè)訓(xùn)練的混淆矩陣，行是真實(shí)分類弥臼，列是預(yù)測(cè)分類，就是結(jié)果的展示根灯，每個(gè)分類的錯(cuò)誤率有多少径缅。
這也是一個(gè)驗(yàn)證的混淆矩陣，行是真實(shí)分類烙肺，列是預(yù)測(cè)分類纳猪，就是結(jié)果的展示，每個(gè)分類的錯(cuò)誤率有多少桃笙。
還有很多的模型結(jié)果展示氏堤，這里就不列舉了。
今天有一個(gè)問(wèn)題一直沒(méi)有搞明白，無(wú)論我怎么修改參數(shù)鼠锈，最終訓(xùn)練的輪數(shù)跟我設(shè)置的
epoch都不一樣闪檬，而且小非常多，不知道為什么购笆。
