Zillow（房產(chǎn)估價(jià)網(wǎng)站）和Kaggle最近組織了一項(xiàng)100萬(wàn)美元的競(jìng)賽來(lái)改進(jìn)Zestimate（Zillow自行開(kāi)發(fā)的一套計(jì)算機(jī)系統(tǒng)）。此教程使用了H2O的AutoML生成解決方案的公共Domino項(xiàng)目。

　　新的Kaggle Zillow Price競(jìng)賽獲得了大量的媒體關(guān)注。正如他們?cè)诟?jìng)賽描述中說(shuō)的，改進(jìn)這一估計(jì)可以更準(zhǔn)確地影響美國(guó)近1.1億家庭的價(jià)值！

　　此教程采用的是一個(gè)腳本take_my_job.R，它使用了令人吃驚的H2O AutoML框架。

　　H2O的機(jī)器學(xué)習(xí)庫(kù)是行業(yè)的領(lǐng)導(dǎo)者，他們最近將AI推向大眾的是AutoML功能。通過(guò)單個(gè)函數(shù)調(diào)用，它可以并行地訓(xùn)練許多模型，將它們集合在一起，并構(gòu)建強(qiáng)大的預(yù)測(cè)模型。

　　代碼只有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，設(shè)置了開(kāi)發(fā)環(huán)境，并將數(shù)據(jù)導(dǎo)入為R data.table對(duì)象。使用第4行中的Domino環(huán)境變量功能，無(wú)需對(duì)腳本中的任何路徑進(jìn)行硬編碼，因?yàn)橛簿幋a路徑通常會(huì)導(dǎo)致重大挑戰(zhàn)。

　　在第12行，通過(guò)將屬性文件與訓(xùn)練數(shù)據(jù)集合并創(chuàng)建訓(xùn)練集，其中包含我們將要預(yù)測(cè)的logerror列。

　　14h2o.init（nthreads = -1）

　　15

　　16Xnames 《- names（properties_train）［which（names（properties_train）！=“l(fā)ogerror”）］

　　17Y 《- “l(fā)ogerror”

　　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）

　　這個(gè)代碼塊是利用H2O的AutoML基礎(chǔ)設(shè)施所需要的！

　　在第14行，我們正在初始化H2O以使用與機(jī)器有核心一樣多的線程。第16和17行用于設(shè)置預(yù)測(cè)變量和響應(yīng)變量的名稱。在第19和20行，我們將我們的data.table對(duì)象上傳到H2O（首先可以避免使用h2o.importFile）。在第22-25行中，我們告訴H2O在訓(xùn)練數(shù)據(jù)集上建立我們可以使用RMSE作為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，我們使用訓(xùn)練有素的AutoML對(duì)象來(lái)預(yù)測(cè)我們的回應(yīng)。然后，我們將答案舍入為4位精度，構(gòu)建結(jié)果數(shù)據(jù)框架，設(shè)置名稱并寫(xiě)出來(lái)。

　　掛羊頭賣狗肉，我們添加的只有1位是1％，收縮在每一行的LOGERROR，并假設(shè)Zillow的團(tuán)隊(duì)總是使他們的模型更好一點(diǎn)。

　　在沒(méi)有任何輸入的情況下，這個(gè)包建立一個(gè)提供公開(kāi)排行榜得分的模型0.0673569。這不驚人，但是考慮到我甚至沒(méi)有看過(guò)數(shù)據(jù)，這是非常出色的。匯集H2O的算法以及靈活的可擴(kuò)展計(jì)算和易于環(huán)境配置的Domino使該項(xiàng)目快速簡(jiǎn)便！

　　自己動(dòng)手嘗試

　　歡迎您分享這個(gè)公共項(xiàng)目，將其作為起點(diǎn)，然后操作它。只需點(diǎn)擊幾下，代碼和環(huán)境就可以在Domino上使用。

　　不幸的是，根據(jù)Kaggle的嚴(yán)格規(guī)定，我們無(wú)法為您提供數(shù)據(jù)。為了使用數(shù)據(jù)，您將必須：轉(zhuǎn)到Kaggle數(shù)據(jù)頁(yè)并下載。

　　將其上傳到Domino數(shù)據(jù)項(xiàng)目或直接插入到您的分支項(xiàng)目中。

　　修改第4行take_my_job.R以設(shè)置文件的基本路徑。如果你只是把它放到你的項(xiàng)目中，只需將它設(shè)置為“。/”，如果你正在使用一個(gè)數(shù)據(jù)項(xiàng)目，只需修改我引用的環(huán)境變量。

　　雖然手動(dòng)制作的解決方案在Kaggle排行榜上的得分明顯優(yōu)于這種解決方案，但仍然令人興奮的是，全自動(dòng)化解決方案的效果相當(dāng)不錯(cuò)。全自動(dòng)數(shù)據(jù)科學(xué)的未來(lái)令人期待，我們迫不及待地繼續(xù)支持社區(qū)開(kāi)發(fā)的驚人工具！