使用 h2o 实现决策树

Question

我正在尝试使用 h2o 训练决策树模型。我知道 h2o 中不存在特定的决策树库。但是， h2o 有一个随机森林 H2ORandomForestEstimator 的实现。我们可以通过调整随机森林的某些输入参数在 h2o 中实现决策树吗？因为我们可以在 scikit 模块（一个流行的机器学习 Python 库）中做到这一点

参考链接： 为什么单棵树的随机森林比决策树分类器好得多？

在 scikit 中，代码看起来像这样

RandomForestClassifier(n_estimators=1, max_features=None, bootstrap=False)

我们在 h2o 中有这个代码的等价物吗？

Answer 1

您可以使用 H2O 的随机森林 ( H2ORandomForestEstimator)，设置ntrees=1为仅构建一棵树，设置mtries为您的数据集中的特征数（即列）和sample_rate =1. 设置mtries为数据集中的特征数量意味着算法将从决策树中每个级别的所有特征中随机采样。

这里是更多信息mtries：http : //docs.h2o.ai/h2o/latest-stable/h2o-docs/data-science/algo-params/mtries.html