Mli 配置

h2o_mli_nthreads

h2o_mli_nthreads (Number)

默认值 8

H2O 实例供 MLI 使用的线程数。

mli_sample_above_for_scoring

mli_sample_above_for_scoring (Number)

默认值 1000000

当行数超过此限制时，对 MLI 进行采样以对 UI 数据进行评分。

mli_sample_above_for_training

mli_sample_above_for_training (Number)

默认值 100000

当行数超过此限制时，对 MLI 进行采样以对替代模型进行训练。

mli_interpreter_status_cache_size

mli_interpreter_status_cache_size (Number)

默认值 1000

解释器状态缓存条目的最大数量。

mli_sample_training

mli_sample_training (Boolean)

默认值 True

not only sample training, but also sample scoring.

mli_strict_version_check

mli_strict_version_check (Boolean)

默认值 True

MLI 的严格版本检查

mli_cloud_name

mli_cloud_name (String)

默认值 'H2O-MLI-DAI'

MLI 云名称

mli_ice_per_bin_strategy

mli_ice_per_bin_strategy (Boolean)

默认值 False

使用每个特征的分箱预测 (true) 或使用 “一帧” 策略 (false) 计算原始模型 ICE。

mli_dia_default_max_cardinality

mli_dia_default_max_cardinality (Number)

默认值 10

默认对分类列运行 DIA，且基数 <= mli_dia_default_max_cardinality。

mli_dia_default_min_cardinality

mli_dia_default_min_cardinality (Number)

默认值 2

默认对分类列运行 DIA，且基数 >= mli_dia_default_min_cardinality。

enable_mli_keeper

enable_mli_keeper (Boolean)

默认值 True

启用 MLI 保留程序，确保 MLI 高效使用 filesystem/memory/DB。

enable_mli_sa

enable_mli_sa (Boolean)

默认值 True

启用 MLI Sensitivity Analysis

enable_mli_priority_queues

enable_mli_priority_queues (Boolean)

默认值 True

启用基于优先级队列的解释器执行。优先级队列限制可用的系统资源，防止系统过度使用。解释执行时间可能会（显著）变长。

mli_sequential_task_execution

mli_sequential_task_execution (Boolean)

默认值 True

解释器默认按顺序运行。此选项可用于并行运行所有解释器，根据硬件强度和解释器数量，这可减少解释时间。考虑解释器依赖关系、随机解释器顺序和硬件过度利用。

mli_dia_sample_size

Sample size for Disparate Impact Analysis (Number)

默认值 100000

当行数超过此限制时，进行采样，用于 Disparate Impact Analysis。

mli_pd_sample_size

Sample size for Partial Dependence Plot (Number)

默认值 25000

当行数超过此限制时，进行采样，用于部分依赖性图。

mli_pd_numcat_num_chart

Unique feature values count driven Partial Dependence Plot binning and chart selection (Boolean)

默认值 True

若实验中将特征同时用作数值型和分类型特征，则在部分依赖性图数值和分类分箱和 UI 图表选择之间进行动态切换。

mli_pd_numcat_threshold

Threshold for Partial Dependence Plot binning and chart selection (<=threshold categorical, >threshold numeric) (Number)

默认值 11

如果启用了 ‘mli_pd_numcat_num_chart’，当特征唯一值计数大于阈值时，使用数值分箱和图表，否则使用分类分箱和图表。

new_mli_list_only_explainable_datasets

new_mli_list_only_explainable_datasets (Boolean)

默认值 False

在“新解释”画面中，仅显示可用于解释选定模型的数据集。这会显著降低服务器的速度。

enable_mli_async_api

enable_mli_async_api (Boolean)

默认值 True

启用基于异步/等待的非阻塞 MLI API

enable_mli_sa_main_chart_aggregator

enable_mli_sa_main_chart_aggregator (Boolean)

默认值 True

在 Sensitivity Analysis 中启用主图表聚合器

mli_sa_sampling_limit

Sample size for SA (Number)

默认值 500000

何时为 Sensitivity Analysis 采样（采样后的行数）。

mli_sa_main_chart_aggregator_limit

mli_sa_main_chart_aggregator_limit (Number)

默认值 1000

当数据集实例数量大于给定限制时，在 Sensitivity Analysis 中运行主图表聚合器。

mli_predict_safe

mli_predict_safe (Boolean)

默认值 False

在 MLI（PD、ICE、SA…）中使用 predict_safe() (true) 或 predict_base() (false)。

mli_max_surrogate_retries

mli_max_surrogate_retries (Number)

默认值 5

替代模型构建失败时的最大重试次数。

h2o_mli_fraction_memory

h2o_mli_fraction_memory (Float)

默认值 0.45

分配给 h2o MLI jar 的内存份额

excluded_mli_explainers

Exclude specific explainers by explainer ID (List)

默认值 []

例如，要排除 Sensitivity Analysis 分析解释器，使用：excluded_mli_explainers=[‘h2oaicore.mli.byor.recipes.sa_explainer.SaExplainer’]。

enable_ws_perfmon

enable_ws_perfmon (Boolean)

默认值 False

启用 RPC API 性能监控器。

mli_kernel_explainer_workers

mli_kernel_explainer_workers (Number)

默认值 4

在内核解释器中使用 MOJO 进行评分时并行工作节点的数量。

mli_run_kernel_explainer

Use Kernel Explainer to obtain Shapley values for original features (Boolean)

默认值 False

使用内核解释器获取原始特征的 Shapley 值。

mli_kernel_explainer_sample

Sample input dataset for Kernel Explainer (Boolean)

默认值 True

内核解释器的样本输入数据集。

mli_kernel_explainer_sample_size

Sample size for input dataset passed to Kernel Explainer (Number)

默认值 1000

传递到内核解释器的输入数据集的样本大小。

mli_kernel_explainer_nsamples

Number of times to re-evaluate the model when explaining each prediction with Kernel Explainer. Default is determined internally (String)

默认值 'auto'

‘auto’ 或 int。解释各个预测时重新评估模型的次数。样本越多，SHAP 值的方差估值越低。’auto’ 设置使用 nsamples = 2 * X.shape[1] + 2048。此设置默认禁用，DAI 内部确定合适的数量。

mli_kernel_explainer_l1_reg

L1 regularization for Kernel Explainer (String)

默认值 'aic'

‘num_features(int)’、’auto’（目前为默认值，但已弃用）、’aic’、’bic’ 或浮点值。用于特征选择的 l1 正则化（估计程序基于去偏差的套索）。目前当被枚举的可能样本空间少于 20% 时，’auto’ 选项使用 aic，否则它不使用正则化。’auto’ 的行为将在未来的版本中改变，届时将基于 ‘num_features’ 而不是AIC。aic 和 bic 选项使用 AIC 和 BIC 规则进行正则化。使用 ‘num_features(int)’ 选择固定数量的顶部特征。传递浮点值会直接设置用于特征选择的 sklearn.linear_model.Lasso 模型的 alpha 参数。

mli_kernel_explainer_max_runtime

Max runtime for Kernel Explainer in seconds (Number)

默认值 900

内核解释器的最大运行时间（秒）。默认值 900，相当于 15 分钟。将此参数设置为 -1 即表示无论最大运行时间是多少，都以提供的内核 Shapley 样本大小为准。

mli_nlp_tokenizer

mli_nlp_tokenizer (String)

默认值 'tfidf'

用于从 MLI 的文本列中提取令牌的令牌器。

mli_image_enable

mli_image_enable (Boolean)

默认值 True

启用 MLI 进行图像实验。