R 如何迭代训练h2o automl模型

我试图使用

h2o.automl（）

进行训练。但由于超时，培训已退出。我知道

max\u runtime\u secs

可以设置为更高的数字。但是如果我们能训练一个小时，然后把它保存在某个地方，那就太好了。第二天再从第一天留下的地方训练它

怎么做

我已尝试设置

项目名称

——但退出时未保存任何内容。所以，如果我们关掉电脑重新启动，它是没有用的

我为此使用了以下代码：

library( h2o )

h2o.init( nthreads = -1, max_mem_size = '10240m' )

train = h2o.importFile( 'train.csv' )

automl_model = h2o.automl( y = 'outcome', training_frame = train, nfolds = 3, max_runtime_secs = 1800,

                           project_name = 'automl_aus_tennis' )

---

链接到train.csv:

您可以使用相同的

项目名称和不同的种子重复运行
h2o.automl（）
，以构建其他模型并将它们添加到相同的
排行榜
。我总是这样做

有一个，应该很快就会出现，它允许您指定algos不运行。这允许您调整在每次运行
AutoML
时执行哪些超参数搜索

您需要保持
h2o-3
实例运行以实现目标，因为您当前无法将
AutoML
运行状态持久化到磁盘并将其加载到新的
h2o-3
实例中，或者将从磁盘加载的模型添加到
排行榜中。这些将是有用的功能请求。：-）
 如果稍后关闭H2O群集（或机器）并重新启动H2O群集，则无法继续运行H2O AutoML作业。如果您让H2O集群保持运行状态，您可以通过再次运行
H2O.automl（）
将更多型号添加到您的排行榜，并使用与
project\u name
相同的值

如果需要在两次运行之间关闭H2O群集，那么最好在第二次、第三次、第四次等运行时在
H2O.automl（）
函数中设置不同的
种子。这样，您可能会得到新的模型，而不是在以前的AutoML运行中已经训练过的模型。
保持h2o-3实例运行是很困难的。我将在github中将此作为功能请求发布。这对复杂的模型非常有帮助。还有为什么需要不同的种子。如果使用不同的启动模型，automl将从另一个启动模型启动？另外，我们如何知道在后续运行中添加了哪些模型？使用排行榜位置，对吗？如果您在每次运行中使用相同的种子，则在后续运行中，每个超参数搜索的超参数向量序列将相同，因此您将在运行之间获得重复的模型。
AutoML
运行的时间戳将是每个模型的
model\u id
的一部分，因此很容易区分哪些模型来自哪个运行。