H2o 简明教程

您是否曾被要求在一个庞大的数据库上开发一个机器学习模型？通常情况下，客户会为您提供数据库，并要求您做出某些预测，例如谁将是潜在买家；是否可以早期检测到欺诈案，等。为了回答这些问题，您的任务将是开发一个机器学习算法来为客户的查询提供答案。从头开始开发机器学习算法并非易事，而且当市场上有几个可直接使用的机器学习库时，为何要这样做。

如今，您宁愿使用这些库，从这些库中应用一个经过充分测试的算法，然后再查看其性能。如果性能未达到可接受的限度，您将尝试微调当前算法或尝试一个完全不同的算法。

同样，您可以在同一数据集上尝试多个算法，然后选取最能令人满意地满足客户需求的算法。这就是 H2O 可以帮助您的地方。它是一个开源机器学习框架，其中包含了多种被广泛接受的 ML 算法的经过全面测试的实现。您只需要从其庞大的存储库中选取该算法，然后将其应用到您的数据集。它包含使用最广泛的统计和 ML 算法。

这里提到了几个，其中包括梯度提升机 (GBM)、广义线性模型 (GLM)、深度学习等等。不仅如此，它还支持 AutoML 功能，该功能将对您的数据集中的不同算法的性能进行排名，从而减少您为找到性能最佳的模型所做的努力。H2O 被全球 18,000 多家组织使用，并且能很好地与 R 和 Python 对接，方便您的开发。它是一个内存平台，提供卓越的性能。

在本教程中，您将首先学习如何在计算机上安装 H2O，同时使用 Python 和 R 选项。我们将了解如何使用命令行，以便逐行了解其工作原理。如果您是一名 Python 爱好者，您可以使用 Jupyter 或任何其他您选择的 IDE 来开发 H2O 应用程序。如果您更喜欢 R，可以使用 RStudio 进行开发。

在本教程中，我们将考虑一个示例来了解如何使用 H2O。我们还将学习如何在程序代码中更改算法，并将其性能与之前的算法进行比较。H2O 还提供了一个基于 Web 的工具来测试您数据集上的不同算法。这称为 Flow。

本教程将向您介绍 Flow 的使用。与此同时，我们将讨论 AutoML 的使用，该功能将识别您数据集上性能最佳的算法。您是不是很兴奋要学习 H2O？继续阅读！