Есть ли функция для получения кривых обучения для обучающих и проверочных наборов в h2o, используемых с R?

Я использую h2o и R для задачи бинарной классификации. Мне было интересно, есть ли способ создать кривую обучения в h2o?

Я сам закодировал несколько разбиений и хорошо строю кривую, но я хотел бы знать, есть ли быстрый рецепт, предоставленный h2o? Известно, что H2O упрощает работу с данными.

Вот что я делал, основываясь на ответе здесь пакет каретки и R

Я настроил цикл:

library(data.table)
library(dplyr)
library(h2o)
#
sizes <- seq(0.05, 1.0, 0.05)
#
learnCurve <- data.frame(mid = character(length(sizes)),
                         m = integer(length(sizes)),
                         n1 = integer(length(sizes)),
                         n0 = integer(length(sizes)),
                         trainRMSE = double(length(sizes)),
                         cvRMSE = double(length(sizes)),
                         trainAUC = double(length(sizes)),
                         cvAUC = double(length(sizes)),
                         trainTPR = double(length(sizes)),
                         cvTPR = double(length(sizes)),
                         trainFPR = double(length(sizes)),
                         cvFPR = double(length(sizes))
                         )
#
h2o.init()
for (i in 1:length(sizes)) {
  set.seed(3)
  ind <- sample(nrow(ddf1s), sizes[i]*nrow(ddf1s))
  tr <- ddf1s[ind, ]
  dd <- ddf1 %>% filter(id %in% tr$id)
  #
  setDT(dd)
  #
  dmh2o <- dd[, c(response, predictors), with = FALSE]
  setDT(dmh2o)
  setnames(dmh2o, predictors, newNames)
  #
  ddhex <- as.h2o(dmh2o)
  #
  splitsx <- h2o.splitFrame(data= ddhex, ratios = .7, seed = 1234)
  trainx <- splitsx[[1]]
  validx <- splitsx[[2]]
  #
  gbmTreex <- h2o.gbm(x = newNames, y = response,
                      training_frame = trainx,
                      validation_frame = validx,
                      max_depth = 8,
                      seed = 1234)
  #
  learnCurve$mid[i] <- gbmTreex@model_id
  learnCurve$m[i] <- nrow(dmh2o)
  learnCurve$n0[i] <- nrow(filter(dmh2o, target == 0))
  learnCurve$n1[i] <- nrow(filter(dmh2o, target == 1))
  learnCurve$trainRMSE[i] <- gbmTreex@model$training_metrics@metrics$RMSE
  learnCurve$cvRMSE[i] <- gbmTreex@model$validation_metrics@metrics$RMSE
  learnCurve$trainAUC[i] <- gbmTreex@model$training_metrics@metrics$AUC
  learnCurve$cvAUC[i] <- gbmTreex@model$validation_metrics@metrics$AUC
  learnCurve$trainTPR[i] <- gbmTreex@model$training_metrics@metrics$cm$table$`1`[[2]] / gbmTreex@model$training_metrics@metrics$cm$table$`1`[[3]]
  learnCurve$cvTPR[i] <- gbmTreex@model$validation_metrics@metrics$cm$table$`1`[[2]] / gbmTreex@model$validation_metrics@metrics$cm$table$`1`[[3]]
  learnCurve$trainFPR[i] <- gbmTreex@model$training_metrics@metrics$cm$table$Error[[2]]
  learnCurve$cvFPR[i] <- gbmTreex@model$training_metrics@metrics$cm$table$Error[[2]]
  #
  mstemp <- gbmTreex@model$model_summary
  if(i == 1) {
    ms <- mstemp
  }
  #
  if (i > 1) {
    ms <- rbind(ms, mstemp)
  }
  #
  print(i)#
  rm(gbmTreex, dmh2o, ddhex, splitsx, trainx, validx)
  gc()
}
#
h2o.shutdown()

Я не включал данные, так как основной вопрос заключается в получении метрик модели путем изменения размеров данных. Я хотел бы знать, есть ли другой (более быстрый) способ, предоставляемый H2O?