R H20 - 分层抽样和非 i.i.d 的交叉验证。行
R H20 - Cross-validation with stratified sampling and non i.i.d. rows
我正在使用 H2O 分析数据集，但我不确定如何正确地对我的数据集执行交叉验证。我有一个不平衡的数据集，所以我想执行分层交叉验证（输出变量是否用于平衡每个分区上的组）。
然而，最重要的是，我还有一个问题，我的许多行都是重复的（一种实现权重但实际上没有权重的方法）。独立于这个问题的根源，我之前看到过，在某些情况下，您可以进行交叉验证，而某些行必须放在一起。这接缝是 fold_column 的用法。但是，两者不能同时做吗？
如果没有 H2O 溶液，我如何计算先验折叠并将其用于 H2O？
基于 H2O-3 docs 无法完成：
Note that all three options are only suitable for datasets that are i.i.d. If the dataset requires custom grouping to perform meaningful cross-validation, then a fold_column should be created and provided instead.
一个快速的想法是使用 weights_column 而不是复制行。然后 balance_classes 和 weights_column 都可以作为参数一起使用
GBM、DRF、深度学习、GLM、朴素贝叶斯和 AutoML。
否则，我建议在 R 或 H2O 中对您的数据执行以下工作流程，以实现折叠分配和折叠之间重复项的一致性：
- 采用原始数据集（数据中还没有重复）
- 根据结果字段将其分为两组（不平衡的一组）：一组用于正数，一组用于负数（如果它是多项式，则有与结果一样多的组）
- 通过在两个集合中独立分配新的
foldId 列，将每个集合分成 N 个折叠：这完成了分层折叠
- 将 (
rbind) 两个集合组合在一起
- 应用实现权重的行复制过程（现在将自动保留您的折叠分配）。
我正在使用 H2O 分析数据集，但我不确定如何正确地对我的数据集执行交叉验证。我有一个不平衡的数据集，所以我想执行分层交叉验证（输出变量是否用于平衡每个分区上的组）。
然而，最重要的是，我还有一个问题，我的许多行都是重复的（一种实现权重但实际上没有权重的方法）。独立于这个问题的根源，我之前看到过，在某些情况下，您可以进行交叉验证，而某些行必须放在一起。这接缝是 fold_column 的用法。但是，两者不能同时做吗？
如果没有 H2O 溶液，我如何计算先验折叠并将其用于 H2O？
基于 H2O-3 docs 无法完成：
Note that all three options are only suitable for datasets that are i.i.d. If the dataset requires custom grouping to perform meaningful cross-validation, then a fold_column should be created and provided instead.
一个快速的想法是使用 weights_column 而不是复制行。然后 balance_classes 和 weights_column 都可以作为参数一起使用
GBM、DRF、深度学习、GLM、朴素贝叶斯和 AutoML。
否则，我建议在 R 或 H2O 中对您的数据执行以下工作流程，以实现折叠分配和折叠之间重复项的一致性：
- 采用原始数据集（数据中还没有重复）
- 根据结果字段将其分为两组（不平衡的一组）：一组用于正数，一组用于负数（如果它是多项式，则有与结果一样多的组）
- 通过在两个集合中独立分配新的
foldId列，将每个集合分成 N 个折叠：这完成了分层折叠 - 将 (
rbind) 两个集合组合在一起 - 应用实现权重的行复制过程（现在将自动保留您的折叠分配）。