我想用H2o深度学习模型预测标签，我无法解释我的H2o深度学习输出 .
这是我的H2o深度学习模型的模型参数 .
dl_model = deeplearning.H2ODeepLearningEstimator(hidden =[200,200],
epochs = 10,
missing_values_handling= 'MeanImputation',
activation = "Tanh",
)
我传递了Blog内容的word2vec向量，其名称为Content.vecs，Y也是Tags的word2vec .
训练模型
dl_model.train(x= Content_vecs.names,
y= 'Y',
training_frame = data_split[0],
validation_frame = data_split[1]
)
而输出是
**predict
-0.700515
-0.700515
-0.700515
-0.700515
-0.700515
-0.700515
-0.700515
-0.700515
-0.700515
-0.700515**
在Original Data中，预测变量是内容，响应变量是标签 . 我将内容的Word2vec向量作为x传递，将标签作为深度学习中的y传递Figure . 我想用H2o深度学习和word2vec预测单个或多个标签
1 回答
首先确保指定distribution =“multinomial” . 如果您没有太多标签，则可以将原始标签用作响应级别 . 否则，如果您保留数值级别，则需要使用一些映射来查看与原始标记对应的值 .
这里也是一个如何使用word2vec和H2O算法的例子，让你了解你的目标应该是什么样的：https://github.com/h2oai/h2o-3/blob/master/h2o-py/demos/word2vec_craigslistjobtitles.ipynb以及深度学习的教程：https://github.com/h2oai/h2o-tutorials/tree/master/tutorials/deeplearning