我在为H2ORandomForestEstimator实现简单平衡时遇到问题，我试图重现Darren Cook在R上写的一本书中的一个简单示例（“使用H2O进行实用机器学习-第107页”）。
首先，在Iris数据集上进行工作，我人为地使目标变量失衡，从而切掉了大部分的弗吉尼亚州，并保持了前120行。
然后，我建立了3个模型，一个是普通模型，一个是将balance_classes设置为True的模型，最后一个是将balance_classes设置为True的模型，然后输入一个class_sampling_factors列表以过度采样弗吉尼亚州模型。列表为[1.0,1.0,2.5]，是指按字母顺序排序的列。
我训练它们，然后为每个输出输出混淆矩阵以进行训练。
我期望第一个输出不平衡，而后两个输出不平衡，而我总是得到相同的结果。我检查了the documentation example in Python，但看不到任何错误（我可能也很累）。
这是我的代码：
data_unb = data[1:120,:] # messing up with target variable
train, valid = data_unb.split_frame([0.8], seed=12345)
m1 = h2o.estimators.random_forest.H2ORandomForestEstimator(seed=12345)
m2 = h2o.estimators.random_forest.H2ORandomForestEstimator(balance_classes=True, seed=12345)
m3 = h2o.estimators.random_forest.H2ORandomForestEstimator(balance_classes=True, class_sampling_factors=[1.0,1.0,2.5], seed=12345)
m1.train(x=list(range(4)),y=4,training_frame=train,validation_frame=valid,model_id='RF_defaults')
m2.train(x=list(range(4)),y=4,training_frame=train,validation_frame=valid,model_id='RF_balanced')
m3.train(x=list(range(4)),y=4,training_frame=train,validation_frame=valid,model_id='RF_class_sampling',)
m1.confusion_matrix(train)
m2.confusion_matrix(train)
m3.confusion_matrix(train)
这是我的输出：
my confusion matrices (wrong)
这是我的预期输出。
expected confusion matrices
我显然想念什么？提前致谢。
最佳答案
您什么都不会错过。 offset_column在H2O随机森林中可用，但实际上不起作用。该错误记录在here中，并应在下一个稳定的H2O版本中修复。抱歉造成混乱！
它应适用于其余的H2O算法（XGBoost除外）。例如，如果要尝试使用GBM，您会发现它可以正常工作。
关于python - h2o python平衡类，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/49262383/