亚洲在线久爱草,狠狠天天香蕉网,天天搞日日干久草,伊人亚洲日本欧美

為了賬號安全,請及時綁定郵箱和手機立即綁定
已解決430363個問題,去搜搜看,總會有你想問的

H2O h2o.importFile 錯誤:'無法確定文件類型。對于 nfs://.../

H2O h2o.importFile 錯誤:'無法確定文件類型。對于 nfs://.../

莫回無 2023-06-14 16:36:13
我正在嘗試將h2o模型作為.zip文件導出器導入,POJO就像R. 我得到以下錯誤:model_file <- "/Users/bernardo/Desktop/DRF_1_AutoML_20190816_133251.zip"m <- h2o.importFile(model_file)Error: DistributedException from localhost/127.0.0.1:54321: 'Cannot determine file type. for nfs://Users/bernardo/Desktop/DRF_1_AutoML_20190816_133251.zip', caused by water.parser.ParseDataset$H2OParseException: Cannot determine file type. for nfs://Users/bernardo/Desktop/DRF_1_AutoML_20190816_133251.zip我已經運行file.exists(model_file)并返回TRUE,所以文件存在。做了同樣的事情normalizePath(model_file)并得到了同樣的結果。當我嘗試將其導入我的 R 會話時,似乎h2o找到了文件但由于某種原因無法導入。這是我的 R 會話信息:R version 3.6.0 (2019-04-26)Platform: x86_64-apple-darwin15.6.0 (64-bit)Running under: macOS Mojave 10.14.6Matrix products: defaultBLAS:   /System/Library/Frameworks/Accelerate.framework/Versions/A/Frameworks/vecLib.framework/Versions/A/libBLAS.dylibLAPACK: /Library/Frameworks/R.framework/Versions/3.6/Resources/lib/libRlapack.dyliblocale:[1] en_US.UTF-8/en_US.UTF-8/en_US.UTF-8/C/en_US.UTF-8/en_US.UTF-8attached base packages:[1] stats     graphics  grDevices utils     datasets  methods   base     other attached packages: [1] h2o_3.26.0.2      lares_4.7         data.table_1.12.2 lubridate_1.7.4   forcats_0.4.0     [6] stringr_1.4.0     dplyr_0.8.3       purrr_0.3.2       readr_1.3.1       tidyr_0.8.3      [11] tibble_2.1.3      ggplot2_3.2.1     tidyverse_1.2.1  希望你們能幫我將我的 POJO 模型導入 R。謝謝!
查看完整描述

2 回答

?
ibeautiful

TA貢獻1993條經驗 獲得超6個贊

h2o 模型不是 zip 文件。嘗試這個


# path to your file

model_file <- "/Users/bernardo/Desktop/DRF_1_AutoML_20190816_133251.zip"


# prediction based on your mojo/pojo file.?

preds = h2o.mojo_predict_df(df, model_file, genmodel_jar_path = NULL, classpath = NULL, java_options = NULL, verbose = F)

如果它們被壓縮,則解壓縮并再次運行它們。


查看完整回答
反對 回復 2023-06-14
?
泛舟湖上清波郎朗

TA貢獻1818條經驗 獲得超3個贊

好的,我實際上找到了我需要的解決方案。訣竅是將您的數據框 ( df) 轉換為 json 格式,然后使用.zip生成的文件h2o來預測使用h2o.predict_json而不是h2o.mojo_predict_df. 我認為這很簡單,也不那么復雜。至少它在我需要它工作時起作用了。


library(jsonlite)

library(h2o)

json <- toJSON(df)

output <- h2o.predict_json(zip_directory, json) 

注意:無需解壓縮 zip 文件。


如果您有機會使用過該lares包,只需使用該h2o_predict_MOJO功能即可。


希望它能幫助任何其他試圖獲得相同結果的人。


查看完整回答
反對 回復 2023-06-14
  • 2 回答
  • 0 關注
  • 237 瀏覽
慕課專欄
更多

添加回答

舉報

0/150
提交
取消
微信客服

購課補貼
聯系客服咨詢優惠詳情

幫助反饋 APP下載

慕課網APP
您的移動學習伙伴

公眾號

掃描二維碼
關注慕課網微信公眾號