资料下载
几行代码改进房价免费评估系统影响深远
分享资料个
Zillow（房产估价网站）和Kaggle最近组织了一项100万美元的竞赛来改进Zestimate（Zillow自行开发的一套计算机系统）。此教程使用了H2O的AutoML生成解决方案的公共Domino项目。
新的Kaggle Zillow Price竞赛获得了大量的媒体关注。正如他们在竞赛描述中说的，改进这一估计可以更准确地影响美国近1.1亿家庭的价值！
此教程采用的是一个脚本take_my_job.R，它使用了令人吃惊的H2O AutoML框架。
H2O的机器学习库是行业的领导者，他们最近将AI推向大众的是AutoML功能。通过单个函数调用，它可以并行地训练许多模型，将它们集合在一起，并构建强大的预测模型。
代码只有36行：
01library（data.table）
02library（h2o）
03
04data_path 《- Sys.getenv（“DOMINO_EARINO_ZILLOW_HOME_VALUE_PREDICTION_DATA_WORKING_DIR”）
05
06properties_file 《- file.path（data_path， “properties_2016.csv”）
07train_file 《- file.path（data_path， “train_2016.csv”）
08properties 《- fread（properties_file， header=TRUE， stringsAsFactors=FALSE，
09 colClasses = list（character = 50））
10train 《- fread（train_file）
11
12properties_train = merge（properties， train， by=“parcelid”，all.y=TRUE）
在前12行中，设置了开发环境，并将数据导入为R data.table对象。使用第4行中的Domino环境变量功能，无需对脚本中的任何路径进行硬编码，因为硬编码路径通常会导致重大挑战。
在第12行，通过将属性文件与训练数据集合并创建训练集，其中包含我们将要预测的logerror列。
14h2o.init（nthreads = -1）
15
16Xnames 《- names（properties_train）［which（names（properties_train）！=“logerror”）］
17Y 《- “logerror”
18
19dx_train 《- as.h2o（properties_train）
20dx_predict 《- as.h2o（properties）
21
22md 《- h2o.automl（x = Xnames， y = Y，
23 stopping_metric=“RMSE”，
24 training_frame = dx_train，
25 leaderboard_frame = dx_train）
这个代码块是利用H2O的AutoML基础设施所需要的！
在第14行，我们正在初始化H2O以使用与机器有核心一样多的线程。第16和17行用于设置预测变量和响应变量的名称。在第19和20行，我们将我们的data.table对象上传到H2O（首先可以避免使用h2o.importFile）。在第22-25行中，我们告诉H2O在训练数据集上建立我们可以使用RMSE作为早期停止度量的最好的模型。
27properties_target《- h2o.predict（md@leader， dx_predict）
28predictions 《- round（as.vector（properties_target$predict）， 4）
29
30result 《- data.frame（cbind（properties$parcelid， predictions， predictions * .99，
31 predictions * .98， predictions * .97， predictions * .96，
32 predictions * .95））
33
34colnames（result）《-c（“parcelid”，“201610”，“201611”，“201612”，“201710”，“201711”，“201712”）
35options（scipen = 999）
36write.csv（result， file = “submission_automl.csv”， row.names = FALSE ）
在第27行，我们使用训练有素的AutoML对象来预测我们的回应。然后，我们将答案舍入为4位精度，构建结果数据框架，设置名称并写出来。
挂羊头卖狗肉，我们添加的只有1位是1％，收缩在每一行的LOGERROR，并假设Zillow的团队总是使他们的模型更好一点。
在没有任何输入的情况下，这个包建立一个提供公开排行榜得分的模型0.0673569。这不惊人，但是考虑到我甚至没有看过数据，这是非常出色的。汇集H2O的算法以及灵活的可扩展计算和易于环境配置的Domino使该项目快速简便！
自己动手尝试
欢迎您分享这个公共项目，将其作为起点，然后操作它。只需点击几下，代码和环境就可以在Domino上使用。
不幸的是，根据Kaggle的严格规定，我们无法为您提供数据。为了使用数据，您将必须：转到Kaggle数据页并下载。
将其上传到Domino数据项目或直接插入到您的分支项目中。
修改第4行take_my_job.R以设置文件的基本路径。如果你只是把它放到你的项目中，只需将它设置为“。/”，如果你正在使用一个数据项目，只需修改我引用的环境变量。
虽然手动制作的解决方案在Kaggle排行榜上的得分明显优于这种解决方案，但仍然令人兴奋的是，全自动化解决方案的效果相当不错。全自动数据科学的未来令人期待，我们迫不及待地继续支持社区开发的惊人工具！
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
- 相关下载
- 相关文章
