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。 :)
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。