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）