【例11.3】基于H2O的手写数字识别。
（1）加载H2O包
＞install.packages（＂h2o＂，repos=（c（＂http：//s3.amazonaws.com/h2o-release/h2o/rel-kahan/5/R＂，getOption（＂repos＂））））
＞library（h2o）
载入需要的R：rjson、statmod和tools。
（2）启动H2O
启动H2O获取连接对象′localH2O′：
＞localH2O=h2o.init（ip=＂localhost＂，port=54321，startH2O=TRUE，Xmx=′1g′）
为了停止H2O，需执行：
＜h2o.shutdown（localH2O）
H2O启动后，就可以使用http：//localhost：54321。
（3）数据准备
下载训练集：http：//www.pjreddie.com/media/files/mnist_train.csv；
下载测试集：http：//www.pjreddie.com/media/files/mnist_test.csv。
（4）建模
训练模型要很长一段时间，最后一行有相应的进度条可查看。
＞model＜-h2o.deeplearning（x=2：785， #输入变量个数
y=1， #响应变量个数
data=train_h2o，
activation=＂Tanh＂，
balance_classes=TRUE，
hidden=c（100，100，100）， ##3层隐藏层
epochs=100）
输出模型结果：
＜model
IP Address：localhost
Port：54321
Parsed Data Key：mnist_train.hex
Deep Learning Model Key：DeepLearning_9c7831f93efb58b38c3fa08cb17d4e4e(www.xing528.com)
Training classification error：0
Training mean square error：Inf
Validation classification error：0
Validation square error：Inf
Confusion matrix：
Reported onmnist_train.hex
（5）模型评估
＞yhat_train＜-h2o.predict（model，train_h2o）$predict
＞yhat_train＜-as.factor（as.matrix（yhat_train））
＞yhat_test＜-h2o.predict（model，test_h2o）$predict
＞yhat_test＜-as.factor（as.matrix（yhat_test））
查看前100条预测与实际的数据相比较
＜y_test[1：100]
[1]721041495906901597349665407401313472712117423
512446355604195789374
[67]6430702917329776278473613693141769
Levels：0123456789
＞yhat_test[1：100]
[1]721041894906901597349665407401313472712117423
512446355604195789374
[67]6430702917329776278473613693141769
Levels：0123456789
查看并保存结果：
＞library（caret）
＞res[1，1]＜-round（h2o.confusionMatrix（yhat_train，y_train）$overall[1]，4）
＞res[1，2]＜-round（h2o.confusionMatrix（yhat_test，y_test）$overall[1]，4）
＞print（res）
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
