我在R中使用h2o包来通过h2o.glm()
功能适合GLM。评估具有l1正则化惩罚的GLM中的特征重要性的一种合理方式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lambda
上减小。我在h2o文档中找不到是否可以从返回的模型对象中提取此信息。
有没有人知道在每次连续lambda
之后是否可以查看拟合的模型表格?
谢谢,
答案 0 :(得分:2)
你可以使用h2o.getGLMFullRegularizationPath(my_glm)
获得完整的正则化路径,其中my_glm
是你训练过的glm,只记得设置lambda_search
等于TRUE(即my_glm = h2o.glm(x,y,training_frame, lambda_search = TRUE
)