Можно ли создать H2OFrame с помощью REST API H2O, и если да, то как?
Моя основная цель — использовать модели, хранящиеся внутри H2O, чтобы делать прогнозы на внешних H2OFrames.
Мне нужно иметь возможность генерировать эти H2OFrames извне из JSON (я полагаю, вызывая конечную точку)
Я прочитал документацию по API, но не нашел четкого объяснения.
Я считаю, что ближайшие конечные точки
/3/CreateFrame, который создает случайные данные и /3/ParseSetup
но я не смог найти надежного учебника.
В настоящее время нет конечной точки REST API для прямого преобразования некоторой записи JSON в объект Frame. Таким образом, единственный выход для вас — сначала записать данные в файл CSV, затем загрузить их в h2o с помощью POST /3/PostFile, а затем проанализировать с помощью POST /3/Parse.
(Обратите внимание, что конечная точка POST /3/PostFile отсутствует в документации. Это связано с тем, что это обрабатывается отдельно от других конечных точек. По сути, это конечная точка, которая берет произвольный файл в теле почтового запроса и сохраняет его как "файл необработанных данных". ").
Эту же работу гораздо проще выполнить на Python или R: например, чтобы загрузить какой-то набор данных в h2o для скоринга, вам нужно всего лишь сказать
df = h2o.H2OFrame(plaindata)
Я уже делаю что-то подобное в своем проекте. Поскольку нет конечной точки REST API для прямого преобразования записи JSON в объект Frame. Итак, я делаю следующее: -
1- Для построения модели: сначала перенесите и запишите данные в файл CSV, где работает сервер или кластер h2o. Затем импортируйте данные в h2o с помощью POST/3/ImportFiles, а затем проанализируйте и создайте модель и т. д. Я использую API-интерфейсы h2o-bindings (RESTful API) для него. Поскольку у меня большие данные (от сотен МБ до нескольких ГБ), я использую /3/ImportFiles вместо POST /3/PostFile, так как последний медленно загружает большие данные.
2- Для оценки модели или прогнозирования: - Я использую модель MOJO и POJO. В вашем случае вы используете POST/3/PostFile, как предложил @Pasha, если ваши данные невелики. Но, согласно документации h2o, рекомендуется использовать MOJO или POJO для оценки модели или прогнозирования в производственной среде, а не напрямую вызывать сервер/кластер h2o. MOJO и POJO являются потокобезопасными, поэтому вы можете масштабировать их, используя многопоточность для одновременных запросов.
