在H2o中计算MAPE：错误：提供的列类型POSIXct未知

问题描述 投票：9回答：3

根据我回答的问题：R or Python - loop the test data - Prediction validation next 24 hours (96 values each day)

我想使用H2o Package预测第二天。您可以在上面的链接中找到我的数据集的详细说明。

H2o中的数据维度是不同的。

因此，在进行预测之后，我想计算MAPE

我必须将训练和测试数据更改为H2o格式

train_h2o <- as.h2o(train_data)

test_h2o <- as.h2o(test_data)

mape_calc <- function(sub_df) {
  pred <- predict.glm(glm_model, sub_df)
  actual <- sub_df$Ptot
  mape <- 100 * mean(abs((actual - pred)/actual))

  new_df <- data.frame(date = sub_df$date[[1]], mape = mape)

  return(new_df)
}

# LIST OF ONE-ROW DATAFRAMES
df_list <- by(test_data, test_data$date, map_calc)

# FINAL DATAFRAME
final_df <- do.call(rbind, df_list)

上部代码适用于提前一天的“非H2o”预测验证，它计算每天的MAPE。

我试图将H2o预测模型转换为正常格式，但根据：https://stackoverflow.com/a/39221269/9341589，它是不可能的。

要在H2O中进行预测：

例如，假设我们想要创建一个随机森林模型

y <- "RealPtot" #target
x <- names(train_h2o) %>% setdiff(y) #features


rforest.model <- h2o.randomForest(y=y, x=x, training_frame = train_h2o, ntrees = 2000, mtries = 3, max_depth = 4, seed = 1122)

然后我们可以得到完整数据集的预测，如下所示。

predict.rforest <- as.data.frame(h2o.predict(rforest.model, test_h2o)

但在我的情况下，我试图使用mape_calc获得一天的预测

注意：任何R或Python的想法将不胜感激。

UPDATE2（可重现的例子）：**关注@Darren Cook步骤：

我提供了一个更简单的例子 - 波士顿住房数据集。

library(tidyverse)
library(h2o)
h2o.init(ip="localhost",port=54322,max_mem_size = "128g")


data(Boston, package = "MASS")

names(Boston)
[1] "crim"    "zn"      "indus"   "chas"    "nox"     "rm"      "age"     "dis"     "rad"     "tax"     "ptratio"
[12] "black"   "lstat"   "medv"   


set.seed(4984)
#Added 15 minute Time and date interval 
Boston$date<- seq(as.POSIXct("01-09-2017 03:00", format = "%d-%m-%Y %H:%M",tz=""), by = "15 min", length = 506)

#select first 333 values to be trained and the rest to be test data
train = Boston[1:333,]
test = Boston[334:506,]

#Dropped the date and time
train_data_finialized  <- subset(train, select=-c(date))

test_data_finialized <- test

#Converted the dataset to h2o object.
train_h2o<- as.h2o(train_data_finialized)
#test_h2o<- as.h2o(test)

#Select the target and feature variables for h2o model
y <- "medv" #target
x <- names(train_data_finialized) %>% setdiff(y) #feature variables

# Number of CV folds (to generate level-one data for stacking)
nfolds <- 5

#Replaced RF model by GBM because GBM run faster
# Train & Cross-validate a GBM
my_gbm <- h2o.gbm(x = x,
                  y = y,
                          training_frame = train_h2o,
                          nfolds = nfolds,
                          fold_assignment = "Modulo",
                          keep_cross_validation_predictions = TRUE,
                          seed = 1)

mape_calc <- function(sub_df) {
  p <- h2o.predict(my_gbm, as.h2o(sub_df))
  pred <- as.vector(p)
  actual <- sub_df$medv
  mape <- 100 * mean(abs((actual - pred)/actual))
  new_df <- data.frame(date = sub_df$date[[1]], mape = mape)
  return(new_df)
}


# LIST OF ONE-ROW DATAFRAMES
df_list <- by(test_data_finialized, test_data_finialized$date, mape_calc)

final_df <- do.call(rbind, df_list)

这是我现在得到的错误：

.h2o.doSafeREST出错（h2oRestApiVersion = h2oRestApiVersion，urlSuffix = page，：

错误信息：

提供的列类型POSIXct未知。由于参数无效，无法继续解析。

python r loops prediction h2o
3个回答
9
投票

H2O在与R的单独进程中运行（无论H2O是在本地服务器上还是在远程数据中心中）。 H2O数据和H2O模型保留在H2O过程中，R不能看到。

dH <- as.h2o(dR)所做的是将R数据帧dR复制到H2O的内存空间。然后dH是描述H2O数据框架的R变量。即它是指针或手柄;它不是数据本身。

dR <- as.data.frame(dH)所做的是将数据从H2O进程的内存复制到R进程的内存中。 （当dH描述单个列时，as.vector(dH)也会这样做）

因此，假设mape_calc()是R数据帧，修改sub_df的最简单方法是更改​​前两行，如下所示：

mape_calc <- function(sub_df) {
  p <- h2o.predict(rforest.model, as.h2o(sub_df))
  pred <- as.vector(p)

  actual <- sub_df$Ptot
  mape <- 100 * mean(abs((actual - pred)/actual))

  new_df <- data.frame(date = sub_df$date[[1]], mape = mape)

  return(new_df)
}

即将sub_df上传到H2O，并将其交给h2o.predict()。然后使用as.vector()下载所做的预测。

这与原始代码有关。所以请保留原始版本：

# LIST OF ONE-ROW DATAFRAMES
df_list <- by(test_data, test_data$date, map_calc)

即不要直接在by()上使用test_h2o。

根据编辑的问题更新：

我对您的示例代码进行了两处更改。首先，我从sub_df中删除了日期列。这就是导致错误消息的原因。

第二个变化只是为了简化返回类型;并不重要，但之前你的日期列重复了。

mape_calc <- function(sub_df) {
  sub_df_minus_date <- subset(sub_df, select=-c(date))
  p <- h2o.predict(my_gbm, as.h2o(sub_df_minus_date))
  pred <- as.vector(p)
  actual <- sub_df$medv
  mape <- 100 * mean(abs((actual - pred)/actual))
  data.frame(mape = mape)
}

ASIDE：h2o.predict()在处理一批数据进行预测时效率最高。将h2o.predict()放入循环中是一种代码气味。你最好在循环之外调用h2o.predict(rforest.model, test_h2o)一次，然后将预测下载到R中，然后将cbind下载到test_data，然后在组合数据上使用by。

更新以下是您的示例更改为以这种方式工作:(我已将预测添加为测试数据的额外列;当然还有其他方法可以执行此操作）

 test_h2o <- as.h2o(subset(test_data_finialized, select=-c(date)))
 p <- h2o.predict(my_gbm, test_h2o)
 test_data_finialized$pred = as.vector(p)

 mape_calc2 <- function(sub_df) {
   actual <- sub_df$medv
   mape <- 100 * mean(abs((actual - sub_df$pred)/actual))
   data.frame(mape = mape)
 }

 df_list <- by(test_data_finialized, test_data_finialized$date, mape_calc2)

你应该注意到它运行得更快。

附加更新：by()的工作原理是将第二个参数的相同值分组，然后将它们一起处理。由于您的所有时间戳都不同，因此您一次只能处理一行。

查看xts库，例如apply.daily()将时间戳分组。但是对于想要按日期处理的简单情况，有一个简单的黑客攻击。将您的by()行更改为：

df_list <- by(test_data_finialized, as.Date(test_data_finialized$date), mape_calc2)

使用as.Date()将剥夺时间。因此，同一天的所有行现在看起来都相同并一起处理。

ASIDE 2：如果你制造臭名昭着的minimal example，你会得到更好的回应。然后人们可以运行您的代码，他们可以测试他们的答案。使用每个人都有的简单数据集通常也更好。虹膜，而不是你自己的数据。 （您可以对前4个字段中的任何一个进行回归;使用虹膜不必总是关于预测物种。）

ASIDE 3：你可以完全在H2O中做MAPE，因为abs()和mean()函数可以直接在H2O数据框架上工作（就像其他很多东西一样 - 参见H2O手册）：https://stackoverflow.com/a/43103229/841830（我不是把它标记为副本，你的问题是如何使by()适用于H2O数据框，而不是如何有效地计算MAPE！）

5
投票

看起来你正在混合R和H2O数据类型。请记住，H2O的R只是一个R API，与本机R不同。这意味着您不能将需要R数据帧的R函数应用于H2OFrame。同样，当您需要H2OFrame时，不能将H2O函数应用于R数据帧。

正如您在by上的R文档中所看到的，它是一个期望“R对象，通常是数据帧，可能是矩阵”的函数，因此您无法传入H2O帧。

同样地，你将date = H2OFrame传递给data.frame()。

但是，您可以使用as.data.frame()将H2OFrame转换为R数据帧，然后完全在R中进行计算。

0
投票

可能只是文件格式是问题吗？从Excel导入并运行后，我收到“提供列类型POSIXct未知”：

hr_data_h2o <- as.h2o(hr_data)
split_h2o <- h2o.splitFrame(hr_data_h2o, c(0.7, 0.15), seed = 1234)

我将源文件更改为制表符分隔（没有其他更改），问题就消失了。

最新问题
© www.soinside.com 2019 - 2024. All rights reserved.