H2O with R 简明使用手记·上篇

在看H2O,把阅读官方booklet和API了解到的一些东西随手记了下来，以为备忘，遂成此小文。

概述

• H2O 是一款针对智能应用的机器学习和深度学习的开源程序集。PayPal/思科/Nielsen等等也是其使用者。
• 它丧心病狂地提供了包括R / Python / Scala / Java / JavaScript等在内的诸多语言接口
• 支持单机和分布式运行。
• 算法包括：广义线性模型，朴素贝叶斯，PCA，K均值聚类等。

下载

• 安装前需要先行安装JAVA。
• h2o可以直接通过CRAN下载得到，但CRAN中的版本有时滞后，且在实际操作时速度慢，可以直接在官网下载安装包.
• 既可以通过网页与H2O交互 也可以通过包括R在内的各种语言接口与H2O交互。

初始化

library(h2o)
h2o.init(ip = 'localhost', port = 54321, nthreads = -1, max_men_size = '4g')

• 此ip和port连接了本机的服务器，不填默认也为此。
• nthread默认值-2，表示用2个CPU核心，-1表示主机上有多少用多少，正数表示一个特定数。
• max_mem_size定义给h2o的内存空间，一般4倍的数据大小能够获得最好的运行效果。它的值必须是1024的整数倍，最小2M，默认值是1g(32bit JAVA版本)，1/4的内存大小(64bit JAVA版本).
• 对于分布式的系统，可以用h2o.clusterInfo()来查看集群信息。

备数据

• H2O是个独立的程序，R接口只是H2O 的一层皮，当数据被传给H2O以后，所有的数据操作都是在H2O上进行的。
• 用H2O可以处理数以千计的factor levels。

H2O:"R,你用table秀一下这些信息"
R："臣妾做不到啊……"
//话说我得有多无聊，大晚上编这种段子。。。

• 圈子不同，偏要强融
  
  • as.data.frame（）H2O->R
  • as.h2o() R->H2O
  • 一定要记得确保转换的目标具有足够大的内存空间。
  • 可以用str.H2OFrame() 查看下其中元素信息确保转换正确。

模型

监督学习

• 广义线性模型