h2o 子集到 "bestofFamily"
h2o subset to "bestofFamily"
AutoML 有两个学习器，一个包含 "all"，另一个是 "best of family".
的子集
有什么方法可以不手动将组件和堆叠的集成聚合器保存到磁盘，以便 "best of family" 被视为独立的黑盒，可以存储、重新加载和使用而无需字面意思同一个 space?
中存在 1000 个价值较低的学习者
如果可以，我该怎么做？
虽然 运行 AutoML 一切都在内存中运行（除非您将其中一个模型保存到磁盘 - 或应用将对象保存到磁盘的选项，否则不会将任何内容保存到磁盘）。
如果您只想要 "Best of Family" 层叠合奏，您只需 save that binary model。当您保存堆叠集成时，它会为您保存所有必需的部分（基础模型和元模型）。然后你可以 re-load 稍后当你准备好进行预测时与另一个 H2O 集群一起使用（只要确保，如果你正在保存二进制模型，你可以稍后使用相同版本的 H2O）。
Python 示例：
bestoffamily = h2o.get_model('StackedEnsemble_BestOfFamily_0_AutoML_20171121_012135')
h2o.save_model(bestoffamily, path = "/home/users/me/mymodel")
R 示例：
bestoffamily <- h2o.getModel('StackedEnsemble_BestOfFamily_0_AutoML_20171121_012135')
h2o.saveModel(bestoffamily, path = "/home/users/me/mymodel")
稍后，您使用 Python 中的 h2o.load_model() 或 R 中的 h2o.loadModel() re-load 将堆叠的集成存储到内存中。
或者，您可以使用 MOJO model（不同的模型格式），而不是使用要求 H2O 簇在预测时为 运行 的 H2O 二元模型。使用 MOJO 需要做更多的工作，尽管它们速度更快并且专为生产使用而设计。如果您想保存一个 MOJO 模型，那么您可以在 Python 中使用 h2o.save_mojo() 或在 R.
中使用 h2o.saveMojo()
AutoML 有两个学习器，一个包含 "all"，另一个是 "best of family".
的子集有什么方法可以不手动将组件和堆叠的集成聚合器保存到磁盘，以便 "best of family" 被视为独立的黑盒，可以存储、重新加载和使用而无需字面意思同一个 space?
中存在 1000 个价值较低的学习者如果可以，我该怎么做？
虽然 运行 AutoML 一切都在内存中运行（除非您将其中一个模型保存到磁盘 - 或应用将对象保存到磁盘的选项，否则不会将任何内容保存到磁盘）。
如果您只想要 "Best of Family" 层叠合奏，您只需 save that binary model。当您保存堆叠集成时，它会为您保存所有必需的部分（基础模型和元模型）。然后你可以 re-load 稍后当你准备好进行预测时与另一个 H2O 集群一起使用（只要确保，如果你正在保存二进制模型，你可以稍后使用相同版本的 H2O）。
Python 示例：
bestoffamily = h2o.get_model('StackedEnsemble_BestOfFamily_0_AutoML_20171121_012135')
h2o.save_model(bestoffamily, path = "/home/users/me/mymodel")
R 示例：
bestoffamily <- h2o.getModel('StackedEnsemble_BestOfFamily_0_AutoML_20171121_012135')
h2o.saveModel(bestoffamily, path = "/home/users/me/mymodel")
稍后，您使用 Python 中的 h2o.load_model() 或 R 中的 h2o.loadModel() re-load 将堆叠的集成存储到内存中。
或者，您可以使用 MOJO model（不同的模型格式），而不是使用要求 H2O 簇在预测时为 运行 的 H2O 二元模型。使用 MOJO 需要做更多的工作，尽管它们速度更快并且专为生产使用而设计。如果您想保存一个 MOJO 模型，那么您可以在 Python 中使用 h2o.save_mojo() 或在 R.
h2o.saveMojo()