Вступление
H2O Flow - это пользовательский интерфейс с открытым исходным кодом для H2O. Это интерактивная веб-среда, которая позволяет объединить выполнение кода, текст, математику, графики и мультимедийные данные в одном документе.
В этом посте я познакомлю вас с H2O Flow. Этот пост является частью серии, которая демистифицирует H2O.ai для людей :)
«Часть 1: Демистификация H2O.ai | Обзор"
Часть 2: Демистификация H2O.ai | Использование Python
Часть 3: Демистификация H2O.ai | Использование H2O Flow
Часть 4: Демистификация H2O.ai | Производство
С помощью H2O Flow можно захватывать, повторно запускать, комментировать, представлять и делиться своим рабочим процессом. H2O Flow позволяет нам использовать H2O в интерактивном режиме для импорта файлов, построения моделей и многократного их улучшения. На основе ваших моделей вы можете делать прогнозы и добавлять форматированный текст для создания виньеток своей работы - и все это в среде на основе браузера Flow.
H2O Flow отправляет команды H2O в виде последовательности исполняемых ячеек. Ячейки можно изменять, переупорядочивать или сохранять в библиотеке. Каждая ячейка содержит поле ввода, которое позволяет вводить команды, определять функции, вызывать другие функции и получать доступ к другим ячейкам или объектам на странице. Когда вы выполняете ячейку, на выходе получается графический объект, который можно просмотреть для просмотра дополнительных сведений.
Для запуска H2O Flow не требуется опыта программирования. Вы можете щелкнуть мышью через любую операцию H2O, даже не написав ни единой строчки кода. Вы даже можете отключить ячейки ввода для запуска H2O Flow, используя только графический интерфейс.
Установка H2O:
1. Скачайте H2O. Это zip-файл, содержащий все необходимое для начала работы.
2. На вашем терминале запустите:
cd ~/Downloads unzip h2o-3.22.1.6.zip cd h2o-3.22.1.6 java -jar h2o.jar
3. В браузере укажите http: // localhost: 54321, чтобы открыть страницу панели управления H2O Flow.
H2O Flow разработан, чтобы направлять вас на каждом этапе пути, предоставляя подсказки для ввода, интерактивную справку и примеры потоков. Поэтому я не собираюсь объяснять все особенности этого интерфейса Flow. Я запущу простой пример регрессии из предыдущего сообщения об API Python, но без написания ни единой строчки кода.
Примечание: полные возможности и функциональность являются общими для всех интерфейсов (Python, R, Scala и т. д.) вместе с H2O Flow. Таким образом, все функции и настройки, которые вы видели в предыдущем посте, доступны и в Flow.
Шаг 1. Импортируйте файлы в H2O.
Дайте веб-источник или локальный файл для импорта данных в H2O.
Следующим шагом является анализ импортированных файлов.
H2O предоставляет функциональные возможности для изменения автоматически анализируемых данных, если это необходимо. Мы также можем указать, как можно выполнить синтаксический анализ.
Это загрузит файл и создаст фрейм данных H2O.
Когда мы просматриваем фрейм данных, мы получаем набор опций, которые можно применить к фрейму данных.
Следующим шагом является разделение фрейма данных на наборы для обучения и тестирования. Для этого нажимаем кнопку «Разделить».
Теперь Trainset - frame_0.750, а тестовый набор - frame_0.250. Теперь нажмите кнопку «Build_Model», чтобы выбрать алгоритм.
Есть целый набор настроек / параметров / гиперпараметров, доступных для настройки. Я собираюсь использовать здесь настройки по умолчанию. Но обязательно назначьте тренировочный фрейм, валидационный фрейм и столбец ответа. В конце всех настроек нажмите кнопку «Построить модель».
Как видите, время обработки довольно быстрое из-за коллективной производительности кластера.
Щелчок по представлению дает нам красивую панель инструментов для объекта модели с множеством полезных функций.
Загрузите POJO, MOJO предоставляет нам объект Java с весами и параметрами модели и может использоваться для прогнозирования в любой производственной среде Java, написав классы оболочки.
В этом посте дается краткий обзор того, как использовать интерфейс H2O Flow без написания единой строчки кода. Это особенно полезно для экспертов в предметной области, мало разбирающихся в программировании, для быстрого развертывания моделей. H2O делает это действительно простым и удобным благодаря интерактивной справке и подсказкам, которые помогут нам в этом.
Просмотрите серию, чтобы узнать больше о платформе H2O.
Обо мне
Я старший эксперт по машинному обучению в Wavelabs.ai. Мы в Wavelabs помогаем вам использовать искусственный интеллект (AI), чтобы революционизировать пользовательский опыт и сократить расходы. Мы уникальным образом улучшаем ваши продукты с помощью ИИ, чтобы полностью раскрыть ваш рыночный потенциал. Мы стараемся внедрять передовые исследования в ваши приложения.
У нас есть опыт работы с платформой H2O, чтобы предоставить вам быстрое и масштабируемое машинное обучение, как никогда раньше.
Не стесняйтесь узнавать больше на Wavelabs.ai.
Ну вот и все в этом блоге. Спасибо за прочтение :)
Оставайтесь любопытными!
Вы можете связаться со мной в LinkedIn.
