R H2O数据准备导出到POJO

我是H2O项目的新手，但对将其用于我的web应用程序很感兴趣。我制作了一些教程，用R中的

h2o

库构建模型，然后将其导出为

POJO

模型

我的问题是，我需要预测的数据与我用于train数据集的格式不同。我想知道是否可以将我的R代码与数据转换一起使用，并将其导出为

POJO

（或类似文件），以便我可以准备实时预测的新数据

我在H2O文档页面（）的“Productionizing H2O”部分找到了一些示例，如

消费者贷款申请

和

风暴螺栓

。但在第一种情况下，它们使用相同的特性集，而在第二种情况下，数据准备是用.java代码完成的（对此不确定，我在R之外的编程技能很差）。因此，我不知道如何在新的数据集上使用R中的转换代码

---

有什么建议吗？

在H2O做出预测之前处理数据挖掘是您需要处理的事情

一种策略是编写咀嚼代码，这样您就可以在培训和生产环境中执行相同的代码。

您有四种选择： （编辑：添加了第三个选项） （编辑2：为MOJO添加了第四个选项-推荐）

您可以将预测管道保存在R中，并使用

h2o.predict_json（）

函数，该函数允许您将测试数据作为R中的json传递到磁盘上的MOJO/POJO以生成预测。这将允许您使用R代码进行数据搜索，然后获取搜索数据，将其转换为JSON字符串，并使用

h2o.predict_JSON（）

生成预测。函数要求一次只有一行，因此如果有一个完整的数据帧，就必须编写一个循环。此时，预测将在R内存中，因此您可以选择将它们写入文件/数据库，或者在纯R中对它们执行其他操作

直接从Java应用程序中使用POJO/MOJO，将R数据挖掘代码翻译成Java，并使应用程序仅为Java

继续使用R代码进行munging，使用快速I/O工具（如

data.table:：fwrite（）

）将munged数据写入磁盘，然后使用该新文件作为POJO/MOJO的输入，并使用Java进行评分。这样，您可以一次为整个文件打分，而不是一次为一行打分

我们现在有两个方便的函数，和，它允许您使用有效的MOJO模型对R中的数据集进行评分。这里可以做的是在R中编写一些数据转换代码，然后将转换后的data.frame传递给

h2o.mojo\u predict\u df（）

（假设您已使用函数将模型导出为mojo格式）。这允许您将评分管道完全保留在R中，但您将获得使用优化MOJO模型的速度

---

我明白，所以这就是为什么我要寻求帮助来找到最好的方法。谢谢你的回答，艾琳！第一个选项正是我在没有h2o的情况下使用skparklyr软件包中的模型所做的。但我看不到从R实时协调整个流程的效率如此之高。这是我尝试h2o的主要动机。实际上，我在h2o网页（）上看到了这个方案，指出数据准备导出到POJO的方式与模型相同。所以我对此感到有点失望。你不必一直使用R，只是为了数据挖掘，即使你是从R调用预测代码，它也是用Java评分的（因此速度更快）。你知道rsparkling（通过Sparkyr的H2O）会有帮助吗？这样，您可以在Spark中进行咀嚼（而不是R），但您仍然可以使用它来编排@安德烈。我添加了第三个选项。根据你的3个选项，我将尝试比较：1。将新数据集加载到R，转换并写入磁盘，使用存储为POJO的模型在Java中对其进行评分。2.将新数据集和h2o模型加载到R，在同一会话中进行转换和预测，将结果写入磁盘。@EmmaNej我刚刚添加了第四个选项，您可能会感兴趣。