停止公差、每次迭代评分、评分树评分间隔等的H2O文件问题

在阅读h2o文档后，我仍然有以下问题让我感到困惑。有人能给我解释一下吗

对于停止_公差=0.001，让我们使用AUC，例如，当前AUC为0.8。这是否意味着AUC需要增加0.8+0.001或需要增加0.8*（1+0.1%）

在H2O文档中对每个迭代进行评分 （）它只是说“迭代”。但每一个的确切定义是什么 “迭代”，是指每个树或每个网格搜索或每个K文件夹 交叉验证还是其他什么

我可以定义得分树间隔并将每次迭代的得分设置为True吗 同时，或者我只能使用其中一个来制作网格 搜索可重复

“停止度量”有什么区别吗， “停止公差”，“停止轮数”输入 H2OGradientBoostingEstimator与H2OGridSearch的搜索条件？ 我发现放入GradientBoostingEstimator将使代码运行 在Spark环境中进行测试时速度要快得多

0.001与0.1%相同，因为AUC越大越好，在指定的得分轮数之后，您希望看到至少0.001的增加

您已链接到文档的一部分，该部分特定于页面顶部的

中列出的算法。所以，让我们坚持回答这个关于单个模型的问题，而不是网格搜索。如果您想查看每次迭代的评分，请查看Flow中的模型结果，或者使用my_model.plot（）（对于python api）查看每次迭代的评分。对于GBM和DRF来说，这将是一个不确定因素，但由于不同的算法会有不同的方面，因此会使用迭代这个词，因为它更通用

你测试过了吗？你做这件事的时候发现了什么？查看flow中的评分历史图，并注意当您同时设置score_tree_interval和score_each_iteration=True时与仅设置score_tree_interval时会发生什么情况（我建议在使用网格搜索之前尝试在单个模型级别了解这些参数）

是的，在一次情况下，您在构建单个模型时指定提前停止。在网格搜索的情况下，您指示是否启用以构建更多模型

---

对于问题1，如果当前AUC为0.8，停止_公差=0.001需要AUC增加到0.8*（1+0.1%），而不是0.8+0.001？对于问题3，我使用随机林进行测试，我发现a）如果我指定每次_迭代的分数=真，它将运行得更快。b） 每次迭代指定分数的结果与指定两者相同，但不同于仅指定分数树间隔=5。c） 当我运行网格搜索时，我需要指定score\u each\u iteration=True，并设置score\u tree\u interval=5以使其可重复。我不知道为什么