本文主要是介绍python环境安装H2O，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
H2O平台介绍
概括来说是一个做分布式机器学习深度学习的平台。
H2Ocloud是它的云平台，可以在线建模，管理模型，管理App，用MLOP和AppStore这两个模块。
H2O HT是云平台建模的版块，主要是机器视觉和自然语言处理。
Driverless模块做无人驾驶的。
H2O-3是开源的分布式机器学习平台，可以安装在用户的分布式集群系统中，特色是AutoML，自动建模，进行超参数调整，生成模型的排行榜。
1.安装相关依赖包
pip install requests
pip install tabulate
pip install scikit-learn
pip install colorama
pip install future
2.安装H2O
pip install http://h2o-release.s3.amazonaws.com/h2o/rel-wright/2/Python/h2o-3.20.0.2-py2.py3-none-any.whl
具体参考：http://h2o-release.s3.amazonaws.com/h2o/rel-wright/2/index.html
H2O Deeplearning 介绍
初始化：与许多DL用无监督初始化再进行有监督训练的方法不同，H2O纯使用有监督，根据网络的大小，自适应初始化，也可以随机初始化。
激活函数：tannh，RelU，maxout
损失函数：回归：MSE均方差、误差绝对值、Huber 分类：交叉熵
正则化：L1 L2
优化：可以选取手动设置方法：带动量的梯度下降，结合学习速率退火，其中的参数手动设置。
也可以直接选自适应方法，也是动量梯度下降加退火，参数自适应。
Deeplearning的一些参数：
activation：指定激活函数
hidden：隐层神经元个数[200,200]
epochs:迭代次数
train samples per iteration：每次迭代使用样本数
seed：随机种子
adaptive rate：是否使用自适应学习速率
rho，epsilon，rate，rate annealing，rate decay这几个参数都是设置关于学习速率及其衰减函数等。
momentum start，momentum ramp，momentum stable：这几个参数设置梯度下降时的动量相关。
input dropout ratio，hidden dropout ratios：训练时随机丢弃input层和隐层神经元的概率，提高泛化性能。
l1，l2：是否使用L1或L2正则化。
loss：损失函数
stopping_...：设置结束迭代的一些条件
还有些可以设置样本权重的参数
一些关于设置交叉验证的参数等。
无监督的H2OAutoEncoderEstimator自编码神经网络
用于降维和异常检测，用原始样本训练模型，对新样本计算重构误差，根据重构误差判断样本是否异常。
这篇关于python环境安装H2O的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
