Python<H2o使用分布式随机森林建模分类>

1.安装H2o

cmd:输入pip install h2o

2.启动

python
import h2o
h2o.init()

启动成功之后可以在浏览器中输入：localhost:54321

3.数据准备

使用到的数据在我的github

3.建模

a.读入数据

b.解析文件

c.查看Job

d.创建模型

e.选择随机森林

f.选择特征，响应列，其他参数按需调整

g.参数填好之后，建模

h.查看Job

i.随机森林数的数量与trainlogloess之间的关系

j.各个属性的重要程度

4.分类

a.导入测试集

b.接下来几个步骤建模时候的一样，这里就不赘述
c.预测

d.分类结果

e.将分类结果与测试集合并

f.将合并结果导出

进度条跑到百分之百就说明导出成功

得到的结果，比之前的测试集多了三列

5.使用IDE的代码编写

# coding: utf-8

# In[1]:

import h2o
h2o.init()


# In[75]:

trainFrame =h2o.import_file("C:\\Users\\gpwner\\Desktop\\train.csv")[2:]
names=trainFrame.col_names[:-1]
response_column = 'Catrgory'


# In[37]:

from h2o.estimators import H2ORandomForestEstimator
# Define model
model = H2ORandomForestEstimator(ntrees=50, max_depth=20, nfolds=10)
model.train(x=names,y=response_column,training_frame=trainFrame)


# In[84]:

testdata =h2o.import_file("C:\\Users\\gpwner\\Desktop\\test.csv")[2:]
pre_tag=H2ORandomForestEstimator.predict(model ,testdata)
pre_tag['predict']
resultdata=testdata.cbind(pre_tag['predict'])
resultdata
h2o.download_csv(resultdata,"C:\\Users\\gpwner\\Desktop\\predict.csv")


# In[82]:

from __future__ import division
correct=resultdata[resultdata['Catrgory']==resultdata['predict']]
print(float(len(correct)/len(resultdata)))