H2O - 安装

H2O 可以配置和使用以下五种不同的选项 -

  • 在Python中安装

  • 在 R 中安装

  • 基于 Web 的流程 GUI

  • Hadoop

  • 蟒蛇云

在我们的后续部分中，您将看到根据可用选项安装 H2O 的说明。您可能会使用其中一种选项。

在Python中安装

要使用 Python 运行 H2O，安装需要多个依赖项。那么让我们开始安装运行 H2O 的最小依赖集。

安装依赖项

要安装依赖项，请执行以下 pip 命令 -

$ pip install requests

打开控制台窗口并键入上述命令来安装 requests 包。以下屏幕截图显示了上述命令在我们的 Mac 机器上的执行情况 -

安装依赖项

安装 requests 后，您还需要安装三个软件包，如下所示 -

$ pip install tabulate
$ pip install "colorama >= 0.3.8"
$ pip install future

最新的依赖项列表可在 H2O GitHub 页面上找到。在撰写本文时，页面上列出了以下依赖项。

python 2. H2O — Installation
pip >= 9.0.1
setuptools
colorama >= 0.3.7
future >= 0.15.2

删除旧版本

安装上述依赖项后，您需要删除任何现有的 H2O 安装。为此，请运行以下命令 -

$ pip uninstall h2o

安装最新版本

现在，让我们使用以下命令安装最新版本的 H2O -

$ pip install -f http://h2o-release.s3.amazonaws.com/h2o/latest_stable_Py.html h2o

成功安装后，您应该在屏幕上看到以下消息 -

Installing collected packages: h2o
Successfully installed h2o-3.26.0.1

测试安装

为了测试安装，我们将运行 H2O 安装中提供的示例应用程序之一。首先输入以下命令启动 Python 提示符 -

$ Python3

Python 解释器启动后，在 Python 命令提示符下键入以下 Python 语句 -

>>>import h2o

上面的命令将 H2O 包导入到您的程序中。接下来，使用以下命令初始化 H2O 系统 -

>>>h2o.init()

您的屏幕将显示集群信息，并且在此阶段应显示以下内容 -

测试安装

现在，您已准备好运行示例代码。在 Python 提示符下键入以下命令并执行。

>>>h2o.demo("glm")

该演示由一个带有一系列命令的 Python 笔记本组成。执行每个命令后，其输出立即显示在屏幕上，系统会要求您按该键继续下一步。执行笔记本中最后一条语句的部分屏幕截图如下所示 -

Python笔记本

在此阶段，您的 Python 安装已完成，您可以开始自己的实验了。

在 R 中安装

为 R 开发安装 H2O 与为 Python 安装 H2O 非常相似，只不过您将使用 R 提示符进行安装。

启动 R 控制台

单击计算机上的 R 应用程序图标启动 R 控制台。控制台屏幕将如下图所示 -

启动 R 控制台

您的 H2O 安装将在上述 R 提示符下完成。如果您更喜欢使用 RStudio，请在 R 控制台子窗口中键入命令。

删除旧版本

首先，在 R 提示符下使用以下命令删除旧版本 -

> if ("package:h2o" %in% search()) { detach("package:h2o", unload=TRUE) }
> if ("h2o" %in% rownames(installed.packages())) { remove.packages("h2o") }

下载依赖项

使用以下代码下载 H2O 的依赖项 -

> pkgs <- c("RCurl","jsonlite")
for (pkg in pkgs) {
   if (! (pkg %in% rownames(installed.packages()))) { install.packages(pkg) }
}

安装水

通过在 R 提示符下键入以下命令来安装 H2O -

> install.packages("h2o", type = "source", repos = (c("http://h2o-release.s3.amazonaws.com/h2o/latest_stable_R")))

以下屏幕截图显示了预期的输出 -

安装水

在 R 中还有另一种安装 H2O 的方法。

从 CRAN 安装在 R 中

要从 CRAN 安装 R，请在 R 提示符下使用以下命令 -

> install.packages("h2o")

您将被要求选择镜像 -

--- Please select a CRAN mirror for use in this session ---
安装CRAN

屏幕上将显示一个显示镜像站点列表的对话框。选择最近的位置或您选择的镜子。

测试安装

在 R 提示符下，键入并运行以下代码 -

> library(h2o)
> localH2O = h2o.init()
> demo(h2o.kmeans)

生成的输出将如以下屏幕截图所示 -

提示类型

您在 R 中的 H2O 安装现已完成。

安装 Web GUI 流程

要安装 GUI Flow，请从 H20 站点下载安装文件。将下载的文件解压缩到您的首选文件夹中。请注意安装中是否存在 h2o.jar 文件。使用以下命令在命令窗口中运行此文件 -

$ java -jar h2o.jar

一段时间后，控制台窗口中将出现以下内容。

07-24 16:06:37.304 192.168.1.18:54321 3294 main INFO: H2O started in 7725ms
07-24 16:06:37.304 192.168.1.18:54321 3294 main INFO:
07-24 16:06:37.305 192.168.1.18:54321 3294 main INFO: Open H2O Flow in your web browser: http://192.168.1.18:54321
07-24 16:06:37.305 192.168.1.18:54321 3294 main INFO:

要启动流程，请在浏览器中打开给定的 URL http://localhost:54321 。将出现以下屏幕 -

网页图形用户界面流程

在此阶段，您的 Flow 安装已完成。

在 Hadoop/Anaconda 云上安装

除非您是经验丰富的开发人员，否则您不会想到在大数据上使用 H2O。在此可以说，H2O 模型可以在数 TB 的大型数据库上高效运行。如果您的数据位于 Hadoop 安装或云中，请按照 H2O 站点上给出的步骤为您各自的数据库安装它。

现在您已在计算机上成功安装并测试了 H2O，您已准备好进行真正的开发。首先，我们将从命令提示符中看到进展。在后续课程中，我们将学习如何在 H2O Flow 中进行模型测试。

在命令提示符下开发

现在让我们考虑使用 H2O 对著名的鸢尾花数据集的植物进行分类，该数据集可免费用于开发机器学习应用程序。

通过在 shell 窗口中键入以下命令来启动 Python 解释器 -

$ Python3

这将启动 Python 解释器。使用以下命令导入 h2o 平台 -

>>> import h2o

我们将使用随机森林算法进行分类。这是在 H2ORandomForestEstimator 包中提供的。我们使用 import 语句导入这个包，如下所示 -

>>> from h2o.estimators import H2ORandomForestEstimator

我们通过调用 H2o 的 init 方法来初始化 H2o 环境。

>>> h2o.init()

成功初始化后，您应该在控制台上看到以下消息以及集群信息。

Checking whether there is an H2O instance running at http://localhost:54321 . connected.

现在，我们将使用 H2O 中的 import_file 方法导入虹膜数据。

>>> data = h2o.import_file('iris.csv')

进度将显示如下屏幕截图所示 -

开发命令提示符

文件加载到内存后，您可以通过显示加载表的前 10 行来验证这一点。您可以使用head方法来执行此操作 -

>>> data.head()

您将看到以下表格格式的输出。

表格格式

该表还显示列名称。我们将使用前四列作为 ML 算法的特征，最后一列类作为预测输出。我们在调用 ML 算法时通过首先创建以下两个变量来指定这一点。

>>> features = ['sepal_length', 'sepal_width', 'petal_length', 'petal_width']
>>> output = 'class'

接下来，我们通过调用 split_frame 方法将数据拆分为训练和测试。

>>> train, test = data.split_frame(ratios = [0.8])

数据按 80:20 的比例分割。我们使用 80% 的数据进行训练，20% 的数据用于测试。

现在，我们将内置的随机森林模型加载到系统中。

>>> model = H2ORandomForestEstimator(ntrees = 50, max_depth = 20, nfolds = 10)

在上面的调用中，我们将树的数量设置为 50，树的最大深度设置为 20，交叉验证的折叠数设置为 10。现在我们需要训练模型。我们通过调用 train 方法来做到这一点，如下所示 -

>>> model.train(x = features, y = output, training_frame = train)

train 方法接收我们之前创建的特征和输出作为前两个参数。训练数据集被设置为训练，这是我们完整数据集的 80%。在训练期间，您将看到如下所示的进度 -

现在，随着模型构建过程的结束，是时候测试模型了。我们通过在训练后的模型对象上调用 model_performance 方法来做到这一点。

>>> performance = model.model_performance(test_data=test)

在上面的方法调用中，我们发送测试数据作为参数。

现在是时候查看输出了，这是我们模型的性能。您只需打印性能即可完成此操作。

>>> print (performance)

这将为您提供以下输出 -

模型构建过程

输出显示均方误差 (MSE)、均方根误差 (RMSE)、LogLoss 甚至混淆矩阵。

在 Jupyter 中运行

我们已经看到了命令的执行过程，也了解了每行代码的用途。您可以在 Jupyter 环境中运行整个代码，可以逐行运行，也可以一次运行整个程序。完整的列表在这里给出 -

import h2o
from h2o.estimators import H2ORandomForestEstimator
h2o.init()
data = h2o.import_file('iris.csv')
features = ['sepal_length', 'sepal_width', 'petal_length', 'petal_width']
output = 'class'
train, test = data.split_frame(ratios=[0.8])
model = H2ORandomForestEstimator(ntrees = 50, max_depth = 20, nfolds = 10)
model.train(x = features, y = output, training_frame = train)
performance = model.model_performance(test_data=test)
print (performance)

运行代码并观察输出。现在，您可以体会到在数据集上应用和测试随机森林算法是多么容易。H20的威力远远超出了这个能力。如果您想在同一数据集上尝试另一个模型，看看是否可以获得更好的性能，该怎么办？这将在我们的后续部分中进行解释。

应用不同的算法

现在，我们将学习如何将梯度提升算法应用于我们之前的数据集，看看它的表现如何。在上面的完整列表中，您只需要进行两个小的更改，如下面的代码中突出显示的那样 -

import h2o 
from h2o.estimators import H2OGradientBoostingEstimator
h2o.init()
data = h2o.import_file('iris.csv')
features = ['sepal_length', 'sepal_width', 'petal_length', 'petal_width']
output = 'class'
train, test = data.split_frame(ratios = [0.8]) 
model = H2OGradientBoostingEstimator
(ntrees = 50, max_depth = 20, nfolds = 10)
model.train(x = features, y = output, training_frame = train)
performance = model.model_performance(test_data = test)
print (performance)

运行代码，您将得到以下输出 -

不同的算法

只需将 MSE、RMSE、混淆矩阵等结果与之前的输出进行比较，然后决定使用哪一个进行生产部署。事实上，您可以应用多种不同的算法来决定最适合您的目的的算法。