H2O深いI 2つのバランスクラス「0」と「1」のデータでPythonを使用してH 2 O深い学習を使用し、以下のようにパラメータを調整ラン

Question

ごとに異なる結果を学習：

prostate_dl = H2ODeepLearningEstimator(
    activation=,"Tanh" 
    hidden=[50,50,50], 
    distribution="multinomial", 
    score_interval=10, 
    epochs=1000, 
    input_dropout_ratio=0.2 
    ,adaptive_rate=True 
    , rho=0.998, epsilon = 1e-8 
    ) 

prostate_dl .train( 
x=x, 
y=y, 
training_frame =train, 
validation_frame = test) 

それぞれをプログラムが実行される時間は、異なる混乱のマトリックとアキュラシーの結果を与える、とにかくそれを説明することができますか？どのように結果を信頼できるのでしょうか？

また、実行のすべては、 "0"ではなくクラス "1"として大部分の予測を与えますが、それらの提案は何ですか？

Answer 1

この質問はすでにhereに答えてきたが、あなたはPythonで（またはRでh2o.deeplearning()で）H2ODeepLearningEstimatorを初期化するときreproducible=TRUEを設定する必要があります。

reproducible=TRUEに設定しても、H2Oディープラーニングの結果は、単一のコアを使用する場合にのみ再現可能です。換言すれば、h2o.init(nthreads = 1)の場合。この背後にある理由は、hereで概説されています。

また、あたりH2Oディープラーニングuser guide：

は還元の間に結合され、別のニューラルネットモデル上の各マッパータスクの作業を行い、またはノード間で永続だ共有オブジェクトを操作する各マッパーであります？

どちらもありません。計算ノードごとに1つのモデルがあるので、複数の マッパー/スレッドは1つのモデルを共有するため、小さいデータセットが使用されず、効果的に単一のチャンクに再調整されるforce_load_balance = Fまたは reproducible = Tおよび map（）を起動するスレッドが1つしかありません。現在の動作は 単純なモデルの平均です。 「弾性 平均化」を介したノード間モデル平均化は現在進行中です。