我正在做两种不同类型的回归方程:
来自h20.glm
函数的lmList
(包含所有变量)和h2o.glm(
y = dep,
x = collect_final_model_var,
training_frame = data_train,
family = lasso_fn,
nfolds = nfold,
alpha = 0.5,
lambda_search = TRUE,
standardize = TRUE,
solver = "IRLSM",
link = "family_default"
)
(来自lasso的选定变量)。
我原来的功能如下:
Intercept var1 var2 var3 var4 var5 var6 var7 var8 var9 var10 var11 var12
Coefficient 1.757368 1.913927 0.02859741 0.1034359 0.01482452 -0.01928181 -0.1809922 -0.2665659 0.0028896 0.003549948 0.00639403 0.0006208054 -0.1443961
结果的系数:
form_lmer1<- "dep ~ 1 + var1 + var2 + var3 + var4 + var5 + var6 + var7 + var8 + var9 + var10 + var11 + var12 + | group)"
fm3<-lmList(as.formula(form_lmer1), data=df, na.action = na.exclude)
fixed_effects_lmlist <- data.frame(t(data.frame(fixed.effects(fm3))))
然后获取这些变量并将它们插入到lmList函数中,我得到了完全不同的结果:
var10
特别是fixed_effects_lmlist
Intercept var1 var2 var3 var4 var5 var6 var7 var8 var9 var10 var11 var12
fixed.effects.fm3. -4.708618 1.312275 0.127322 0.04457029 -0.03677741 0.004655136 0.2250845 5.304769 0.00236796 0.007481982 8411731298 -0.001492445 0.03808826
。
{{1}}
有人知道为什么这些结果会有很大不同吗?