使用 Java POJO/MOJO 和 EasyPredictModelWrapper 基于 H2O 帧的预测
H2O frame-based prediction using Java POJO/MOJO and EasyPredictModelWrapper
我已经在 R 中训练了一个线性模型并导出了一个我嵌入到 (Java) SpringBoot webapp 中的 POJO。使用 EasyPredictModelWrapper 包装 POJO 并实例化对象在教程中有详细描述：
hex.genmodel.GenModel rawModel = (hex.genmodel.GenModel) Class.forName(modelClassName).newInstance();
model = new EasyPredictModelWrapper(rawModel);
我可以assemble一个RowData对象：
RowData row = new RowData();
row.put("feature1", this.feature1);
并获得对该行的预测：
BinomialModelPrediction p = model.predictBinomial(row);
我还导出了与 MOJO 相同的模型 - 部署过程几乎相同。
我的用例是我收到需要评分的可变长度对象列表，因此我迭代列表并为每个对象构造一行，将其传递给包装器并接收预测。到目前为止一切顺利。
现在我想使用一个同时考虑所有行的更复杂的模型。在 R 中，这是将数据帧传递给模型的情况，而不是行（并接收数据帧）。
我的问题是：如何将数据框传递给生成的模型对象？我已经查看了 the h2o-3 repo, read the title of every SO post in the h2o tag and scrolled through the JIRA board until I got RSI, and the closest thing I've found is a DriverlessAI class called MojoFrame 中的源代码，尽管给出的示例是转换而不是预测。
我很确定 EasyPredictModelWrapper 不支持多行输入 - 源是关于 RowData class 的。如果它能实现就太好了，但它不一定是个亮点。
我不太确定底层模型的实现：MojoFrame 和 FrameBuilder class 倾向于暗示它在 DriverlessAI 中受支持，它可能使用也可能不使用同样的魔力。此外，H2OFrame class 偶尔会在 Spark/R/Python 的评分上下文中出现，所以尽管这是针对原生模型而不是生成的 Java 对象，但它给了我希望模型格式可以支持它，并且可能的途径是扩展支持 classes.
我考虑过但尚未测试的选项：
- 修改
EasyPredictModelWrapper 以接受框架（理解 MOJO 格式需要付出很多努力）
- 将输入列表重新规范化为一行（打破了基于框架的模型训练范式，这可能会破坏整个过程）
有人用生成的 POJO 或 MOJO 工件完成多行/基于帧的输入吗？
H2O-3 MOJO/POJOs 是基于行的。 EasyPredictModelWrapper 是一个方便的包装器，用于进行基于行的预测。
如果您想进行多个预测，那么使用 for 循环是一个很好的答案。
即使将来某个时候 API 扩展为接受某种框架，它也不会做任何与 for 循环不同的事情。
（请注意，这不应与 Driverless AI MOJO 混淆，后者不可互换，并且具有一些不同的属性。）
I'm less sure about the underlying model implementation: the MojoFrame and FrameBuilder classes tend to imply that it's supported within DriverlessAI, which may or may not use the same MOJO.
尽管共享一个通用名称 MOJO，但 H2O-3 MOJO 和 Driverless AI MOJO 是不同的实现，不可互换。
他们共有的 MOJO 特质是：
- 生成的工件不需要编译（不像 H2O-3 POJO，它是 Java 代码）
- 支持 java 运行时
- 低延迟，适合实时应用
- 一次在一行上高效工作，因此适合流媒体应用程序
无人驾驶 AI MOJO 包括特征工程转换和预测模型。
My question is: how can I pass a dataframe to a generated model object? I've gone over the source in the h2o-3 repo
你不能使用当前的 H2O-3 MOJO API。 H2O-3 MOJO API 是基于行的 API。当然，可以扩展 API 来执行某种 for 循环方法。
Now I want to use a more sophisticated model that considers all the rows simultaneously
我不知道"considers all the rows simultaneously"是什么意思。这不是 H2O-3 MOJO API 或 EasyPredictModelWrapper 所做的。基础数学是逐行的。即使你在数学周围放置一个方便的函数来获取一帧值，它仍然会逐行计算结果，单个行以理论上令人尴尬的并行方式逐行计算，使用一个简单的for 循环，或其他一些奇特的方式，如果你需要并行性来提高速度。
在 H2O-3 MOJO API 中，第 N 行的计算结果对第 N-1 行或第 N+1 行的计算结果没有影响（或者，更一般地说，任何行的结果除了 N)。
(请注意，对于Driverless AI MOJOs，由于结合了特征工程，因此上述逐行讨论可能会有所不同。一个很好的例子是时间序列窗口计算。这样的讨论超出了这个问题和答案的范围，但在这种情况下值得指出。）
我已经在 R 中训练了一个线性模型并导出了一个我嵌入到 (Java) SpringBoot webapp 中的 POJO。使用 EasyPredictModelWrapper 包装 POJO 并实例化对象在教程中有详细描述：
hex.genmodel.GenModel rawModel = (hex.genmodel.GenModel) Class.forName(modelClassName).newInstance();
model = new EasyPredictModelWrapper(rawModel);
我可以assemble一个RowData对象：
RowData row = new RowData();
row.put("feature1", this.feature1);
并获得对该行的预测：
BinomialModelPrediction p = model.predictBinomial(row);
我还导出了与 MOJO 相同的模型 - 部署过程几乎相同。
我的用例是我收到需要评分的可变长度对象列表，因此我迭代列表并为每个对象构造一行，将其传递给包装器并接收预测。到目前为止一切顺利。
现在我想使用一个同时考虑所有行的更复杂的模型。在 R 中，这是将数据帧传递给模型的情况，而不是行（并接收数据帧）。
我的问题是：如何将数据框传递给生成的模型对象？我已经查看了 the h2o-3 repo, read the title of every SO post in the h2o tag and scrolled through the JIRA board until I got RSI, and the closest thing I've found is a DriverlessAI class called MojoFrame 中的源代码，尽管给出的示例是转换而不是预测。
我很确定 EasyPredictModelWrapper 不支持多行输入 - 源是关于 RowData class 的。如果它能实现就太好了，但它不一定是个亮点。
我不太确定底层模型的实现：MojoFrame 和 FrameBuilder class 倾向于暗示它在 DriverlessAI 中受支持，它可能使用也可能不使用同样的魔力。此外，H2OFrame class 偶尔会在 Spark/R/Python 的评分上下文中出现，所以尽管这是针对原生模型而不是生成的 Java 对象，但它给了我希望模型格式可以支持它，并且可能的途径是扩展支持 classes.
我考虑过但尚未测试的选项：
- 修改
EasyPredictModelWrapper以接受框架（理解 MOJO 格式需要付出很多努力） - 将输入列表重新规范化为一行（打破了基于框架的模型训练范式，这可能会破坏整个过程）
有人用生成的 POJO 或 MOJO 工件完成多行/基于帧的输入吗？
H2O-3 MOJO/POJOs 是基于行的。 EasyPredictModelWrapper 是一个方便的包装器，用于进行基于行的预测。
如果您想进行多个预测，那么使用 for 循环是一个很好的答案。
即使将来某个时候 API 扩展为接受某种框架，它也不会做任何与 for 循环不同的事情。
（请注意，这不应与 Driverless AI MOJO 混淆，后者不可互换，并且具有一些不同的属性。）
I'm less sure about the underlying model implementation: the MojoFrame and FrameBuilder classes tend to imply that it's supported within DriverlessAI, which may or may not use the same MOJO.
尽管共享一个通用名称 MOJO，但 H2O-3 MOJO 和 Driverless AI MOJO 是不同的实现，不可互换。
他们共有的 MOJO 特质是：
- 生成的工件不需要编译（不像 H2O-3 POJO，它是 Java 代码）
- 支持 java 运行时
- 低延迟，适合实时应用
- 一次在一行上高效工作，因此适合流媒体应用程序
无人驾驶 AI MOJO 包括特征工程转换和预测模型。
My question is: how can I pass a dataframe to a generated model object? I've gone over the source in the h2o-3 repo
你不能使用当前的 H2O-3 MOJO API。 H2O-3 MOJO API 是基于行的 API。当然，可以扩展 API 来执行某种 for 循环方法。
Now I want to use a more sophisticated model that considers all the rows simultaneously
我不知道"considers all the rows simultaneously"是什么意思。这不是 H2O-3 MOJO API 或 EasyPredictModelWrapper 所做的。基础数学是逐行的。即使你在数学周围放置一个方便的函数来获取一帧值，它仍然会逐行计算结果，单个行以理论上令人尴尬的并行方式逐行计算，使用一个简单的for 循环，或其他一些奇特的方式，如果你需要并行性来提高速度。
在 H2O-3 MOJO API 中，第 N 行的计算结果对第 N-1 行或第 N+1 行的计算结果没有影响（或者，更一般地说，任何行的结果除了 N)。
(请注意，对于Driverless AI MOJOs，由于结合了特征工程，因此上述逐行讨论可能会有所不同。一个很好的例子是时间序列窗口计算。这样的讨论超出了这个问题和答案的范围，但在这种情况下值得指出。）