h2o-ai 超级学习算法中的元学习算法问题
metalearning algorithm issue in Super Learner Algorithm in h2o-ai
我已经成功地在 H2o-ai 和 spark 中实现了一个超级学习者
但根据第二步，超级学习者使用元学习算法
超级学习者算法
1设置合奏。
1.a 指定 L 基本算法列表（具有一组特定的模型参数）。
1.b指定元学习算法
完整算法可在 http://docs.h2o.ai/h2o/latest-stable/h2o-docs/data-science/stacked-ensembles.html
获得
所以对于相同的元学习算法，我使用了一个函数
val metaLearningModel= new H2ODeepLearning()(hc, spark.sqlContext)
它似乎使用的是 h2o-ai 的内置包，所以我想知道它默认使用哪种元学习算法
默认的 metalearner 算法在您上面链接的 Stacked Ensemble 用户指南页面上有说明。 metalearner_algorithm 页面上还提供了更多信息。
默认的元学习者是：
"AUTO" (GLM with non negative weights, and if validation_frame is present, lambda_search is set to True; may change over time). This is the default.
我已经成功地在 H2o-ai 和 spark 中实现了一个超级学习者 但根据第二步，超级学习者使用元学习算法
超级学习者算法
1设置合奏。 1.a 指定 L 基本算法列表（具有一组特定的模型参数）。 1.b指定元学习算法
完整算法可在 http://docs.h2o.ai/h2o/latest-stable/h2o-docs/data-science/stacked-ensembles.html
获得所以对于相同的元学习算法，我使用了一个函数
val metaLearningModel= new H2ODeepLearning()(hc, spark.sqlContext)
它似乎使用的是 h2o-ai 的内置包，所以我想知道它默认使用哪种元学习算法
默认的 metalearner 算法在您上面链接的 Stacked Ensemble 用户指南页面上有说明。 metalearner_algorithm 页面上还提供了更多信息。
默认的元学习者是：
"AUTO" (GLM with non negative weights, and if validation_frame is present, lambda_search is set to True; may change over time). This is the default.