H2O GradientBoostingEstimator (GBM) - 将特征的子项分组在一起进行训练

Question

我有一个场景，你有一个特征，称之为 X，它可以容纳可能的值，比如 x1、x2、x3、x4。我希望 H2O 中的 GBM 一起训练 x1 和 x3，以便用相同的输出值来预测它们。

任何有关如何执行此操作的建议将不胜感激。 :)

Answer 1

这个场景的用例是什么？是分类问题还是回归问题？它始终取决于训练数据。模型从训练数据中学习如何预测。如果 X1 和 X3 具有相同的输出值，则模型还将期望测试数据的这些特征具有相同的预测值。

我不知道有什么理由限制模型输出的具体值。如果您希望 x1 和 x3 的输出相同，您可以选择 x1 的预测值并将其替换为 x3 的预测值。