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）