Name		Name	Last commit message	Last commit date
parent directory ..
Autoencoder.ipynb		Autoencoder.ipynb
Autoencoder_MNIST.ipynb		Autoencoder_MNIST.ipynb
Feature_Engineering_Deep_Dive.ipynb		Feature_Engineering_Deep_Dive.ipynb
H2O-3_Unsupervised_Clustering.ipynb		H2O-3_Unsupervised_Clustering.ipynb
H2OFrame_and_Pandas_DataFrame.ipynb		H2OFrame_and_Pandas_DataFrame.ipynb
IsolationForest.ipynb		IsolationForest.ipynb
LearningCenter_1_H2O-3_Classification_Tutorial.ipynb		LearningCenter_1_H2O-3_Classification_Tutorial.ipynb
LearningCenter_2_H2O-3_Regression_Tutorial.ipynb		LearningCenter_2_H2O-3_Regression_Tutorial.ipynb
LearningCenter_3_H2O-3_AutoML_Tutorial.ipynb		LearningCenter_3_H2O-3_AutoML_Tutorial.ipynb
Quick_Demo.ipynb		Quick_Demo.ipynb
README.md		README.md
Target_Encoding.ipynb		Target_Encoding.ipynb
cross_validation.ipynb		cross_validation.ipynb
model_explain.ipynb		model_explain.ipynb
rulefit.ipynb		rulefit.ipynb
shap.ipynb		shap.ipynb
word2vec.ipynb		word2vec.ipynb

README.md

H20-3 Example Jupyter Notebooks

Document
Python API Reference

H2O.ai Self-Paced Coursesの内容（教師あり学習、AutoML）

公式チュートリアル：H2O.ai Self-Paced Courses

LearningCenter_1_H2O-3_Classification_Tutorial.ipynb

Introduction to Machine Learning with H2O-3 - Classificationに沿った内容
2値分類モデル作成のステップ（データのロード、データ分割、モデル学習、結果の確認、スコアリング）の詳細、ドキュメントへのリンク
GLM, Random Forest, Gradient Boosting Machine
上記モデルのハイパーパラメータチューニング（ランダムサーチ、グリッドサーチ）

LearningCenter_2_H2O-3_Regression_Tutorial.ipynb

Introduction to Machine Learning with H2O-3 - Regressionに沿った内容
回帰モデルの作成
XGBoost, Deep Learning (Neural Network)
上記モデルのハイパーパラメータチューニング（ランダムサーチ、グリッドサーチ）

LearningCenter_3_H2O-3_AutoML_Tutorial.ipynb

Introduction to Machine Learning with H2O-3 - AutoMLに沿った内容
2値分類モデル、回帰モデルの作成
AutoMLの詳細

教師なし学習と異常検知

IsolationForest.ipynb

Isolation Forestによる異常検知実施例
不均衡なラベルありデータに対し教師なし学習（Isolation Forest）を実施、精度検証。代理モデルを用い特徴量の貢献度を分析（GLM,決定木を、Isolation Forestのスコアリング結果をターゲット変数としてあてはめ）
H2O Flow(GUI操作)による実施例: ../docs/IsolationForest_Flow.pdf

Autoencoder.ipynb

Autoencoderによる異常検知

H2O-3_Unsupervised_Clustering.ipynb

k-means

テキストデータ

word2vec.ipynb

日本語テキストに対するWord2vec
テキストのトークン化、ストップワード除去、分散表現の実施（Word2vec）、分散表現を特徴量として教師あり学習（GBM）を実施

教師あり学習

rulefit.ipynb

Rulefitモデルに関して

他

Quick_Demo.ipynb

デモ用Notebook - 教師あり学習の実施プロセスと機能紹介
- H2O-3の起動
- データのロード
- データ分割
- モデルのあてはめ(GBM)
- 機械学習の解釈可能性（Glogal,Local）
- スコアリング（予測値,SHAP）
- モデルの保存とロード
- ハイパーパラメータチューニング
- AutoML
- H2O-3の終了

model_explain.ipynb

機械学習の解釈可能性（Machine Learning Interpretability）
モデルの比較

cross_validation.ipynb

H2O-3のk分割交差検証法の仕様に関して

Target_Encoding.ipynb

Target Encoding(H2OTargetEncoderEstimator)の実施例
多水準カテゴリカルデータにTarget Encodingを実施した場合としなかった場合で比較

Feature_Engineering_Deep_Dive.ipynb

手組みでの各種Feature Engineering（変数変換や結合、Target Encoding）の実施、効果の比較
AutoML