从现有系数创建H2OGeneralizedLinearEstimator实例

Question

我有一组来自训练模型的系数，但我无法访问模型本身或训练数据集。我想创建一个H2OGeneralizedLinearEstimator实例并手动设置系数以使用模型进行预测。

我尝试的第一件事是（这是重现错误的一个例子）：

import h2o
from h2o.estimators.glm import H2OGeneralizedLinearEstimator
from h2o.frame import H2OFrame
h2o.init()

# creating some test dataset
test = {"x":[0,1,2], "y":[0,0,1]}
df = H2OFrame(python_obj=test)
glm = H2OGeneralizedLinearEstimator(family='binomial', model_id='logreg')
# setting the coefficients
glm.coef = {'Intercept':0, 'x':1}
# predict
glm.predict(test_data=df)

这会引发错误：

H2OResponseError：服务器错误water.exceptions.H2OKeyNotFoundArgumentException：错误：在函数中找不到对象'logreg'：为参数预测：model

我还尝试根据类似训练模型的键设置glm.params键：

for key in trained.params.keys():
    glm.params.__setitem__(key, trained.params[key])

但这并没有填充glm.params（glm.params = {}）。

Answer 1

看起来你想要使用函数makeGLMModel

这将在documentation中进一步描述，为了您的方便，我将在此处重新发布：

修改或创建自定义GLM模型

在R和python中，makeGLMModel调用可用于从给定系数创建H2O模型。它需要在同一数据集上训练的源GLM模型来提取数据集信息。从R或python制作自定义GLM模型：

• R：打电话给h2o.makeGLMModel。这将模型，系数向量和（可选的）决策阈值作为参数。
• Python：H2OGeneralizedLinearEstimator.makeGLMModel（静态方法）采用模型，包含系数的字典和（可选）决策阈值作为参数。