Machine learning 具有多个功能的培训模型who'；s值在概念上是相同的

例如，假设我正在尝试训练一个二进制分类器，它接受表单的样本输入

x = {d=(type of desk), p1=(type of pen on desk), p2=(type of *another* pen on desk)}

假设我在样本上训练一个模型：

x1 = {wood, ballpoint, gel},      y1 = {0}

x2 = {wood, ballpoint, ink-well}, y2 = {1}.

并尝试预测新样本：

x3={wood，gel，ballpoint}

。在本例中，我希望得到的响应是

y3={0}

，因为从概念上讲，将哪个笔指定为p1或p2并不重要（即，我不希望它重要）

在尝试运行此模型时（在我的示例中，使用h2o.ai生成的模型），我得到一个错误，即

p2

的类别枚举无效（因为模型在训练期间从未在

p2

的类别中看到“圆珠笔”）（在h2o中：hex.genmodel.easy.exception.PredictUnknownCategoricalLevelException）

我的第一个想法是为每个样本生成“笔”特征的排列，以便对模型进行训练。有没有更好的方法来处理这种情况？具体来说，在h2o.ai Flow UI解决方案中，因为这是我用来构建模型的。谢谢。

H2O二进制模型（在H2O集群中运行的模型）将自动处理看不见的分类级别，但是，在使用纯Java POJO模型方法生成预测时（如您的案例），这是一个可配置的选项。在

EasyPredictModelWrapper

中，默认行为是未知类别级别抛出PredictUnknownCategoricalLevelException，这就是您看到该错误的原因

有关这方面的更多信息，请参阅。 以下是一个例子：

// Step 1.
modelClassName = "your_pojo_model_downloaded_from_h2o";
GenModel rawModel;
rawModel = (GenModel) Class.forName(modelClassName).newInstance();

EasyPredictModelWrapper model = new EasyPredictModelWrapper(
                                    new EasyPredictModelWrapper.Config()
                                        .setModel(rawModel)
                         .setConvertUnknownCategoricalLevelsToNa(true));

// Step 2.
RowData row = new RowData();
row.put(new String("CategoricalColumnName"), new String("LevelName"));
row.put(new String("NumericColumnName1"), new String("42.0"));
row.put(new String("NumericColumnName2"), new Double(42.0));

// Step 3.
BinomialModelPrediction p = model.predictBinomial(row);

用于生成POJO和MOJO模型的简单预测API。使用方法如下： 1.实例化EasyPredictModelWrapper 2.创建一个新的数据行 3.调用其中一个predict方法

以下是一个例子：

// Step 1.
modelClassName = "your_pojo_model_downloaded_from_h2o";
GenModel rawModel;
rawModel = (GenModel) Class.forName(modelClassName).newInstance();

EasyPredictModelWrapper model = new EasyPredictModelWrapper(
                                    new EasyPredictModelWrapper.Config()
                                        .setModel(rawModel)
                         .setConvertUnknownCategoricalLevelsToNa(true));

// Step 2.
RowData row = new RowData();
row.put(new String("CategoricalColumnName"), new String("LevelName"));
row.put(new String("NumericColumnName1"), new String("42.0"));
row.put(new String("NumericColumnName2"), new Double(42.0));

// Step 3.
BinomialModelPrediction p = model.predictBinomial(row);

H2O二进制模型（在H2O集群中运行的模型）将自动处理看不见的分类级别，但是，在使用纯Java POJO模型方法生成预测时（就像在您的案例中），这是一个可配置的选项。在

EasyPredictModelWrapper

中，默认行为是未知类别级别抛出PredictUnknownCategoricalLevelException，这就是您看到该错误的原因

有关这方面的更多信息，请参阅。 以下是一个例子：

// Step 1.
modelClassName = "your_pojo_model_downloaded_from_h2o";
GenModel rawModel;
rawModel = (GenModel) Class.forName(modelClassName).newInstance();

EasyPredictModelWrapper model = new EasyPredictModelWrapper(
                                    new EasyPredictModelWrapper.Config()
                                        .setModel(rawModel)
                         .setConvertUnknownCategoricalLevelsToNa(true));

// Step 2.
RowData row = new RowData();
row.put(new String("CategoricalColumnName"), new String("LevelName"));
row.put(new String("NumericColumnName1"), new String("42.0"));
row.put(new String("NumericColumnName2"), new Double(42.0));

// Step 3.
BinomialModelPrediction p = model.predictBinomial(row);

用于生成POJO和MOJO模型的简单预测API。使用方法如下： 1.实例化EasyPredictModelWrapper 2.创建一个新的数据行 3.调用其中一个predict方法

以下是一个例子：

// Step 1.
modelClassName = "your_pojo_model_downloaded_from_h2o";
GenModel rawModel;
rawModel = (GenModel) Class.forName(modelClassName).newInstance();

EasyPredictModelWrapper model = new EasyPredictModelWrapper(
                                    new EasyPredictModelWrapper.Config()
                                        .setModel(rawModel)
                         .setConvertUnknownCategoricalLevelsToNa(true));

// Step 2.
RowData row = new RowData();
row.put(new String("CategoricalColumnName"), new String("LevelName"));
row.put(new String("NumericColumnName1"), new String("42.0"));
row.put(new String("NumericColumnName2"), new Double(42.0));

// Step 3.
BinomialModelPrediction p = model.predictBinomial(row);

---

我目前正在使用EasyPredictionWrapper中的

.setConvertUnknownCategoricalLevelsToNa（true）

配置来忽略您所建议的未知类别，但我想进一步了解如何让模型识别两个不同的示例功能p1和p2在概念上是相同的（例如，如果模型已经在有（p1=b，p2=a）的样本上进行了训练，那么我就不需要用有（p1=a，p2=b）的样本来训练模型了）。你可能应该把这个问题分成两个问题（它们并不是真的相关）。大多数算法都能够忽略冗余特征，所以这不重要（如果使用GLM，请确保使用一些正则化）。如果要执行更复杂的操作，则需要编写自定义代码以从训练集中筛选“概念上重复”的样本。我当前使用的是

.setConvertUnknownCategoricalLevelsToNa（true）

在我的EasyPredictionWrapper中进行配置，以便按照您的建议忽略未知类别，但我想进一步了解如何让模型识别两个不同的样本特征p1和p2在概念上是相同的（例如，这样我就不需要使用具有（p1=a，p2=b）的样本来训练模型）如果它已经在一个有（p1=b，p2=a）的样本上进行了训练。你可能应该把这个问题分成两个问题（它们并不是真的相关）。大多数算法都能够忽略冗余特征，所以这不重要（如果你使用的是GLM，请确保使用一些正则化）。如果要执行更复杂的操作，则需要编写自定义代码以从训练集中筛选“概念上重复”的样本。