CFAModelClassify类提供基于H2O的自动化分类模型训练功能，适用于：
pip install h2o pandas numpy scikit-learn matplotlib seaborn
自动化分类模型训练类，内置多种分类算法，支持模型训练、评估、保存和加载。
支持的算法： - Decision Tree (DT) - Support Vector Machine (SVM) - Random Forest (RF) - Artificial Neural Network (ANN) - Naive Bayes - Generalized Linear Model (GLM) - Gradient Boosting Machine (GBM) - XGBoost (如果平台支持)
__init__(ip='localhost', port=54321, models=None)参数：
- ip (str): H2O服务器IP地址
- port (int): H2O服务器端口
- models (dict): 自定义模型字典，默认为None使用内置模型
示例：
from FreeAeonML.FAModelClassify import CFAModelClassify
import h2o
# 初始化H2O
h2o.init(nthreads=-1, verbose=False)
# 创建分类模型对象
model = CFAModelClassify()
功能：使用训练数据训练所有内置的分类模型。
调用参数：
- df_sample (DataFrame): 训练数据集
- x_columns (list, 默认=[]): 特征列名列表，为空则自动推断
- y_column (str, 默认='label'): 目标列名
- train_ratio (float, 默认=0.85): 训练集比例，设为0则不划分验证集
返回值：无
示例代码：
from FreeAeonML.FAModelClassify import CFAModelClassify
from FreeAeonML.FASample import CFASample
import h2o
# 初始化H2O
h2o.init(nthreads=-1, verbose=False)
# 生成训练数据
df_train = CFASample.get_random_classification(1000, n_feature=10, n_class=2)
# 创建模型并训练
model = CFAModelClassify()
model.train(df_train, y_column='y', train_ratio=0.85)
功能：将训练好的模型保存到指定目录。
调用参数：
- model_path (str): 模型保存路径
返回值：无
示例代码：
# 保存模型到./models目录
model.save("./models")
功能：从指定目录加载已保存的模型。
调用参数：
- model_path (str): 模型保存路径
返回值：无
示例代码：
# 加载模型
model_loaded = CFAModelClassify()
model_loaded.load("./models")
功能：使用训练好的模型进行预测。
调用参数：
- df_sample (DataFrame): 待预测的数据集
- x_columns (list, 默认=[]): 特征列名列表
- y_column (str, 默认='label'): 目标列名（如果存在）
返回值：
- DataFrame: 包含预测结果的数据框
- predict: 预测类别
- p0, p1, ...: 各类别的概率
- model: 模型名称
- true: 真实标签（如果提供）
示例代码：
# 预测
df_test = CFASample.get_random_classification(200, n_feature=10, n_class=2)
df_pred = model.predict(df_test, y_column='y')
print(df_pred.head())
print(df_pred.groupby('model')['predict'].value_counts())
功能：评估所有模型的性能指标。
调用参数：
- df_sample (DataFrame): 测试数据集
- x_columns (list, 默认=[]): 特征列名列表
- y_column (str, 默认='label'): 目标列名
- average (str, 默认='weighted'): 多分类指标的平均方式
返回值：
- DataFrame: 包含各模型评估指标
- model: 模型名称
- confusion_matrix: 混淆矩阵
- recall: 召回率
- mcc: Matthews相关系数
- accuracy: 准确率
- precision: 精确率
- auc: AUC (二分类)
- auc_ovo, auc_ovr: AUC (多分类)
- f1_score: F1分数
- fbeta_score: F-beta分数
示例代码：
# 评估模型
df_evaluate = model.evaluate(df_test, y_column='y', average='weighted')
print(df_evaluate[['model', 'accuracy', 'precision', 'recall', 'f1_score', 'auc']])
# 找出最佳模型
best_model = df_evaluate.loc[df_evaluate['accuracy'].idxmax(), 'model']
print(f"最佳模型: {best_model}")
功能：获取各模型的特征重要性排序。
调用参数：无
返回值：
- DataFrame: 特征重要性数据
- variable: 特征名称
- relative_importance: 相对重要性
- scaled_importance: 标准化重要性
- percentage: 百分比
- model: 模型名称
示例代码：
# 获取特征重要性
df_importance = model.importance()
print(df_importance.head(20))
# 查看特定模型的特征重要性
df_rf_importance = df_importance[df_importance['model'] == 'rf']
print(df_rf_importance.sort_values('relative_importance', ascending=False))
from FreeAeonML.FAModelClassify import CFAModelClassify
from FreeAeonML.FASample import CFASample
import h2o
import pandas as pd
# 1. 初始化H2O
h2o.init(nthreads=-1, verbose=False)
# 2. 生成数据
df_data = CFASample.get_random_classification(1000, n_feature=10, n_class=2)
# 3. 划分数据集
df_train, df_test = CFASample.split_dataset(df_data, test_ratio=0.2)
print(f"训练集: {df_train.shape}, 测试集: {df_test.shape}")
# 4. 训练模型
model = CFAModelClassify()
model.train(df_train, y_column='y', train_ratio=0.85)
# 5. 保存模型
model.save("./my_models")
print("模型已保存")
# 6. 加载模型（演示）
model_loaded = CFAModelClassify()
model_loaded.load("./my_models")
# 7. 预测
df_pred = model_loaded.predict(df_test, y_column='y')
print("\n预测结果示例:")
print(df_pred.head(10))
# 8. 评估
df_evaluate = model_loaded.evaluate(df_test, y_column='y')
print("\n模型评估结果:")
print(df_evaluate[['model', 'accuracy', 'precision', 'recall', 'f1_score', 'auc']])
# 9. 特征重要性
df_importance = model_loaded.importance()
print("\n特征重要性TOP 10:")
print(df_importance.head(10))
# 10. 找出最佳模型
best_model = df_evaluate.loc[df_evaluate['f1_score'].idxmax(), 'model']
best_accuracy = df_evaluate.loc[df_evaluate['f1_score'].idxmax(), 'accuracy']
print(f"\n最佳模型: {best_model} (Accuracy: {best_accuracy:.4f})")
from FreeAeonML.FAModelClassify import CFAModelClassify
from FreeAeonML.FASample import CFASample
import h2o
# 初始化
h2o.init(nthreads=-1, verbose=False)
# 生成4分类数据
df_data = CFASample.get_random_classification(2000, n_feature=15, n_class=4)
df_train, df_test = CFASample.split_dataset(df_data, test_ratio=0.2)
print(f"类别分布:\n{df_train['y'].value_counts()}")
# 训练模型
model = CFAModelClassify()
model.train(df_train, y_column='y')
# 评估多分类性能
df_evaluate = model.evaluate(df_test, y_column='y', average='macro')
print("\n多分类评估结果:")
print(df_evaluate[['model', 'accuracy', 'precision', 'recall', 'f1_score', 'auc_ovo', 'auc_ovr']])
# 查看混淆矩阵
for idx, row in df_evaluate.iterrows():
print(f"\n{row['model']} 混淆矩阵:")
print(row['confusion_matrix'])
from FreeAeonML.FAModelClassify import CFAModelClassify
from FreeAeonML.FASample import CFASample
from h2o.estimators import H2ORandomForestEstimator, H2OGradientBoostingEstimator
import h2o
# 初始化
h2o.init(nthreads=-1, verbose=False)
# 自定义模型配置
custom_models = {
"rf_custom": H2ORandomForestEstimator(ntrees=100, max_depth=10),
"gbm_custom": H2OGradientBoostingEstimator(ntrees=50, max_depth=5)
}
# 使用自定义模型
model = CFAModelClassify(models=custom_models)
# 训练
df_train = CFASample.get_random_classification(1000, n_feature=10, n_class=2)
model.train(df_train, y_column='y')
# 评估
df_test = CFASample.get_random_classification(200, n_feature=10, n_class=2)
df_evaluate = model.evaluate(df_test, y_column='y')
print(df_evaluate)
| 指标 | 说明 | 取值范围 | 最佳值 |
|---|---|---|---|
| Accuracy | 准确率，预测正确的比例 | [0, 1] | 1 |
| Precision | 精确率，预测为正的样本中真正为正的比例 | [0, 1] | 1 |
| Recall | 召回率，真正为正的样本中被预测为正的比例 | [0, 1] | 1 |
| F1 Score | Precision和Recall的调和平均 | [0, 1] | 1 |
| AUC | ROC曲线下面积 | [0, 1] | 1 |
| MCC | Matthews相关系数 | [-1, 1] | 1 |
H2O初始化：使用前必须初始化H2O
python
import h2o
h2o.init(nthreads=-1, verbose=False)
WSL环境：在WSL环境下，使用h2o.connect()替代h2o.init()
XGBoost可用性：XGBoost在Windows和ARM平台可能不可用
数据格式：目标列会自动转换为因子类型
内存管理：大数据集训练时注意内存占用
模型保存：模型按算法名称分目录保存
预测缺失列：如果测试数据缺少训练时的特征，会自动填充0
| 平台 | DT/SVM/RF/ANN/Bayes/GLM/GBM | XGBoost |
|---|---|---|
| Linux (x86_64) | ✅ | ✅ |
| macOS (Intel) | ✅ | ✅ |
| macOS (ARM) | ✅ | ❌ |
| Windows | ✅ | ❌ |
| WSL | ✅ | ✅ (需h2o.connect) |