如何在 H2OGradientBoostingEstimator 中为交互变量提供参数输入？
How to provide parameter input for interaction variable in H2OGradientBoostingEstimator?
我需要在Python中的H2O中使用H2OGradientBoostingEstimator中多类分类的交互变量特征。我不确定要使用哪个参数以及如何使用它。谁能帮我解决这个问题？
目前，我正在使用下面的代码 -
pros_gbm = H2OGradientBoostingEstimator(nfolds=0,seed=1234, keep_cross_validation_predictions = False, ntrees=10, max_depth=3, learn_rate=0.01, distribution='multinomial')
hist_gbm = pros_gbm.train(x=predictors, y=target, training_frame=hf_train, validation_frame = hf_test,verbose=True)
GBM 本质上会创建交互。您可以使用 .feature_interaction() 提取器方法（对于 H2O 模型）提取有关特征交互的信息。 user guide and the Python docs.
中提供了更多信息
如果您想明确添加一个新列，它是两个数字之间的交互作用，您可以通过将两个（或更多）列相乘来手动创建它，以获得一个新的交互作用列。
对于分类交互，还有 Python here 中的 h2o.interaction() 方法在数据中创建交互列（在将其发送到 GBM 或任何算法之前）。
我需要在Python中的H2O中使用H2OGradientBoostingEstimator中多类分类的交互变量特征。我不确定要使用哪个参数以及如何使用它。谁能帮我解决这个问题？
目前，我正在使用下面的代码 -
pros_gbm = H2OGradientBoostingEstimator(nfolds=0,seed=1234, keep_cross_validation_predictions = False, ntrees=10, max_depth=3, learn_rate=0.01, distribution='multinomial')
hist_gbm = pros_gbm.train(x=predictors, y=target, training_frame=hf_train, validation_frame = hf_test,verbose=True)
GBM 本质上会创建交互。您可以使用 .feature_interaction() 提取器方法（对于 H2O 模型）提取有关特征交互的信息。 user guide and the Python docs.
如果您想明确添加一个新列，它是两个数字之间的交互作用，您可以通过将两个（或更多）列相乘来手动创建它，以获得一个新的交互作用列。
对于分类交互，还有 Python here 中的 h2o.interaction() 方法在数据中创建交互列（在将其发送到 GBM 或任何算法之前）。