当运行在数据子集上但运行完全在原始数据上时出现 h2o 错误

Question

我得到的错误是这个。我数据的子集 [~100k examples] 与原始数据集 [400k examples] 的列数完全相同。但它在原始数据集上运行完美，但在子集上运行不佳。

Traceback (most recent call last)
<ipython-input-14-35cf02055a2e> in <module>()
     15 from h2o.estimators.gbm import H2OGradientBoostingEstimator
     16 gbm_cv3 = H2OGradientBoostingEstimator(nfolds=2)
---> 17 gbm_cv3.train(x=x, y=y, training_frame=train)
     18 ## Getting all cross validated models
     19 all_models = gbm_cv3.cross_validation_models()



error_count = 2
    http_status = 412
    msg = u'Illegal argument(s) for GBM model: 
GBM_model_python_1533214798867_179.  Details: ERRR on field: 
_response: Response cannot be constant.'
    dev_msg = u'Illegal argument(s) for GBM model: 
GBM_model_python_1533214798867_179.  Details: ERRR on field: 
_response: Response cannot be constant.'

Answer 1

这是用户错误。

"response" 是 y 列。对于您提供的数据子集，每一行的 y 值都相同。当每个 y 值都相同时，您无法训练受监督的机器学习模型 — 模型无法学习任何内容。

如果您有一个罕见的结果，就会发生这种情况 - 当您随机拆分数据时，您可能会得到一个只表示一个值的分区。要检查 Python 的响应列中有多少个唯一值，请执行以下操作：train[y].unique()

当运行在数据子集上但运行完全在原始数据上时出现 h2o 错误

h2o error when run on a subset of the data but runs perfectly on the original data

python

classification

gbm

h2o

xgboost

当 运行 在数据子集上但 运行 完全在原始数据上时出现 h2o 错误

h2o error when run on a subset of the data but runs perfectly on the original data

python

classification

gbm

h2o

xgboost

当运行在数据子集上但运行完全在原始数据上时出现 h2o 错误