带正则化的 h2o GLM
h2o GLM with regularization
我正在使用 R 中的 h2o 包通过 h2o.glm()
函数来拟合 GLM。在具有 l1 正则化惩罚的 GLM 中评估特征重要性的一种合理方法是监视参数进入线性预测器(即模型)的顺序,因为 l1 惩罚权重在每个连续的 lambda
上减小。如果可以从返回的模型对象中提取此信息,我无法在 h2o 文档中找到。
有谁知道是否可以在每次连续 lambda
后查看拟合模型表格?
谢谢,
您可以使用 h2o.getGLMFullRegularizationPath(my_glm)
获得完整的正则化路径,其中 my_glm
是您训练的 glm,只需记住将 lambda_search
设置为 TRUE(即 my_glm = h2o.glm(x,y,training_frame, lambda_search = TRUE
)
我正在使用 R 中的 h2o 包通过 h2o.glm()
函数来拟合 GLM。在具有 l1 正则化惩罚的 GLM 中评估特征重要性的一种合理方法是监视参数进入线性预测器(即模型)的顺序,因为 l1 惩罚权重在每个连续的 lambda
上减小。如果可以从返回的模型对象中提取此信息,我无法在 h2o 文档中找到。
有谁知道是否可以在每次连续 lambda
后查看拟合模型表格?
谢谢,
您可以使用 h2o.getGLMFullRegularizationPath(my_glm)
获得完整的正则化路径,其中 my_glm
是您训练的 glm,只需记住将 lambda_search
设置为 TRUE(即 my_glm = h2o.glm(x,y,training_frame, lambda_search = TRUE
)