如何在H2OAutoML中禁用归一化步骤以使用自定义归一化数据？

H2OAutoML本身没有全局的standardize参数来统一关闭所有模型的自动归一化，但可以通过针对每个基础模型单独配置参数的方式实现需求，具体步骤如下：

• 自定义各模型的归一化禁用参数
  不同模型关闭归一化的参数名不同，需要针对性配置。比如：

  model_params = {
      # 线性模型类（GLM）直接设置standardize=False
      "GLM": {"standardize": False},
      # 深度学习模型同样用standardize参数
      "DeepLearning": {"standardize": False},
      # XGBoost用normalize_type参数关闭归一化
      "XGBoost": {"normalize_type": "none"},
      # 树模型（RandomForest、GBM）本身不依赖特征缩放，默认不会做归一化，无需额外设置
  }
  

• 启动AutoML时传入自定义参数
  在初始化H2OAutoML时，将上面的参数字典通过model_parameters传入：

  aml = H2OAutoML(max_runtime_secs=300, model_parameters=model_params)
  aml.train(x=predictors, y=response, training_frame=train_data)
  

• 验证配置是否生效
  训练完成后，可以查看特定模型的参数确认是否成功关闭归一化，比如检查GLM模型：

  # 找到leaderboard中的GLM模型
  glm_model_id = aml.leaderboard[aml.leaderboard['model_id'].like('%GLM%'), :].row(0)['model_id']
  # 查看standardize参数状态
  print(h2o.get_model(glm_model_id).params['standardize'])
  

  如果输出结果为False，说明配置生效。

额外注意事项：

• 确保你的自定义归一化数据已经正确转换为H2O Frame，且特征类型未被错误识别（比如数值特征不要被标记为类别特征）。
• 如果某些模型没有提供关闭归一化的参数，可以用exclude_algos参数将其排除在AutoML训练之外，比如exclude_algos=["SomeUnconfigurableModel"]。

内容的提问来源于stack exchange，提问作者Rosa Aghdam