Python h2o数值列将转换为枚举

我有一个拼花文件，它由数字列和分类列组成

我想创建一个GBM模型，稍后我可以在java程序中实现它的mojo进行推理。 问题是，到目前为止，我将数据中的空值插补为0表示数值列，将“空”表示分类列

当我在h2o中执行此操作时，我可以使用col_types参数在h2o导入_文件中强制执行我的方案

当我不使用插补，让h2o自行插补时，它会将我的数值列转换为枚举类型

如果我试图在不进行插补的情况下强制导入类型，则所有数字特征都会出现以下错误：

 error = 'Unsupported type override (String -> Numeric). Column XXX will be parsed as String'

因此，连续功能将无法得到正确的处理…为什么要将其转换为枚举？

---

如何避免这种转换？

H2O应该识别拼花地板文件的数据类型，并预先设置它们。保存拼花地板文件时，可以将数字列设置为strings/category。将列数据类型保存为的拼花地板文件是什么

我在H2O3.30.0.1上验证了数据类型将由拼花文件定义的内容来识别。见下文

使用iris数据集中缺少的值创建数字列（

sepal\u len

） 返回：

sepal_len    float64
sepal_wid    float64
petal_len    float64
petal_wid    float64
class         object
dtype: object

sepal_len   sepal_wid   petal_len   petal_wid   class
nan         3.5         1.4         0.2         Iris-setosa
4.9         3           1.4         0.2.        Iris-setosa

{'sepal_len': 'real',
 'sepal_wid': 'real',
 'petal_len': 'real',
 'petal_wid': 'real',
 'class': 'enum'}

{'sepal_len': 'enum',
 'sepal_wid': 'real',
 'petal_len': 'real',
 'petal_wid': 'real',
 'class': 'enum'}

^列是浮点数

#Read in h2o
iris2 = h2o.import_file('iris.parquet')
iris2.head(2)

返回：

sepal_len    float64
sepal_wid    float64
petal_len    float64
petal_wid    float64
class         object
dtype: object

sepal_len   sepal_wid   petal_len   petal_wid   class
nan         3.5         1.4         0.2         Iris-setosa
4.9         3           1.4         0.2.        Iris-setosa

{'sepal_len': 'real',
 'sepal_wid': 'real',
 'petal_len': 'real',
 'petal_wid': 'real',
 'class': 'enum'}

{'sepal_len': 'enum',
 'sepal_wid': 'real',
 'petal_len': 'real',
 'petal_wid': 'real',
 'class': 'enum'}

检查数据类型是否与拼花地板（熊猫制造）的定义相同 返回：

sepal_len    float64
sepal_wid    float64
petal_len    float64
petal_wid    float64
class         object
dtype: object

sepal_len   sepal_wid   petal_len   petal_wid   class
nan         3.5         1.4         0.2         Iris-setosa
4.9         3           1.4         0.2.        Iris-setosa

{'sepal_len': 'real',
 'sepal_wid': 'real',
 'petal_len': 'real',
 'petal_wid': 'real',
 'class': 'enum'}

{'sepal_len': 'enum',
 'sepal_wid': 'real',
 'petal_len': 'real',
 'petal_wid': 'real',
 'class': 'enum'}

^H2O帧数据类型为实数（非枚举）

将数据框更改为

str

列，并另存为新的拼花地板文件： 返回：

sepal_len    float64
sepal_wid    float64
petal_len    float64
petal_wid    float64
class         object
dtype: object

sepal_len   sepal_wid   petal_len   petal_wid   class
nan         3.5         1.4         0.2         Iris-setosa
4.9         3           1.4         0.2.        Iris-setosa

{'sepal_len': 'real',
 'sepal_wid': 'real',
 'petal_len': 'real',
 'petal_wid': 'real',
 'class': 'enum'}

{'sepal_len': 'enum',
 'sepal_wid': 'real',
 'petal_len': 'real',
 'petal_wid': 'real',
 'class': 'enum'}