H2O AutoML中深度学习与GLM算法的特征标准化问题

1. AutoML是否会自动对深度学习/GLM的特征做标准化？预测新数据时是否自动执行？ #

• 是的，AutoML在调用深度学习或GLM模型时，会自动启用特征标准化。这两个算法的standardize参数默认值为TRUE，AutoML调用基础算法时会沿用这一默认配置。
• 对新测试数据预测时，模型会自动复用训练阶段计算得到的均值、标准差等标准化规则，无需手动对测试集做额外处理，标准化逻辑已内嵌在模型预测流程中。

2. 手动标准化的内置工具与AutoML推荐流程 #

如果需要自定义标准化规则（而非依赖算法默认逻辑），H2O提供了内置的H2OStandardizeScaler工具来实现手动标准化，结合AutoML的推荐流程如下：

• 手动标准化步骤：
  1. 初始化标准化转换器：

     scaler = H2OStandardizeScaler(center=True, scale=True)
     

  2. 仅用训练数据拟合转换器（避免数据泄露）：

     scaler.fit(training_data)
     

  3. 转换训练、验证及测试数据：

     train_scaled = scaler.transform(training_data)
     valid_scaled = scaler.transform(validation_data)
     test_scaled = scaler.transform(test_data)
     

• AutoML推荐流程：
  1. 预处理阶段：先完成上述手动标准化，确保训练、验证、测试集使用同一转换器的规则。
  2. 启动AutoML时，通过include_algos参数指定仅包含深度学习和GLM（如include_algos=["DeepLearning", "GLM"]），传入预处理后的训练集和验证集。
  3. 模型训练完成后，直接使用AutoML选出的最优模型对预处理后的测试集进行预测。

内容的提问来源于stack exchange，提问作者Matthew Son