Python 使用sklearn RandomizedSearchCV搜索H2o参数

我正在尝试使用sklearn

RandomizedSearchCV

来确定h2o模型的最佳参数。代码（摘自此）：

但它给了我以下错误：

ValueError:意外的u getitem\uu选择器：

我尝试了不同的数据集，还尝试传递

pandas.DataFrame

而不是

h2o.frame

，它给出了以下内容：

AttributeError:'DataFrame'对象没有属性“cbind”

---

发生了什么事

h2o

现在与

sklearn

不兼容？

看起来您正在使用旧文档。H2O有自己的随机网格搜索方法。见下文

#GBM hyperparameters
gbm_params = {'ntrees': [10, 20], 'max_depth': [1, 2, 3], 'learn_rate': [0.1, 0.2]}

# Search criteria
search_criteria = {'strategy': 'RandomDiscrete', 'max_models': 5, 'seed': 42}

# Train and validate a random grid of GBMs
gbm_grid = H2OGridSearch(model=H2OGradientBoostingEstimator(distribution="gaussian"), grid_id='gbm_grid', hyper_params=gbm_params, search_criteria=search_criteria)
gbm_grid.train(x=predictor_columns, y=response_column, training_frame=iris_df)

有关更多信息，请参阅

#GBM hyperparameters
gbm_params = {'ntrees': [10, 20], 'max_depth': [1, 2, 3], 'learn_rate': [0.1, 0.2]}

# Search criteria
search_criteria = {'strategy': 'RandomDiscrete', 'max_models': 5, 'seed': 42}

# Train and validate a random grid of GBMs
gbm_grid = H2OGridSearch(model=H2OGradientBoostingEstimator(distribution="gaussian"), grid_id='gbm_grid', hyper_params=gbm_params, search_criteria=search_criteria)
gbm_grid.train(x=predictor_columns, y=response_column, training_frame=iris_df)