2

我正在尝试在 Python 和 R 中使用 H2O 库来生成不包含截距的 GLM。不幸的是，它似乎不起作用。结果完全不正确，截距系数不为零（仅截距的标准化系数为零），但是，这并没有给我正确的预测。

在从模型中排除截距的情况下，我希望对所有其他输入等于 0 的情况的预测也为 0。不是这种情况。该系数非常显着地抵消了预测，实际上，如果我使用我知道应该没有截距的模拟数据设置截距 = True，那么我的截距系数比使用截距 = False 运行相同数据时更接近 0。

在 R 和 Python 中都会发生同样的情况，我不确定我在设置模型时是否做错了什么。

我编写的代码示例只是为了在 R 中测试问题：

library(h2o)
h2o.init()

x1 = runif(500)
x2 = runif(500)
x3 = runif(500)
y = 2.67*x1 + 1.23*x2 -7.2*x3
h2odata<-data.frame(x1,x2,x3,y)
head(h2odata)

h2odata <- as.h2o(h2odata)

predictors <- c('x1','x2','x3')
response <- 'y'

h2o.splits = h2o.splitFrame(data=h2odata,ratios=.8)
train <- h2o.splits[[1]]
valid <- h2o.splits[[2]]

glm <- h2o.glm(x=predictors,y=response,family='gaussian',link='identity',
               intercept = FALSE,training_frame = train,
               validation_frame = valid)
glm

x1=0
x2=0
x3=0
newdata = data.frame(x1,x2,x3)
colnames(newdata)<-c('x1','x2','x3')

newdata<-as.h2o(newdata)
h2o::h2o.predict(glm,newdata)

我在这里遗漏了一些明显的东西吗？

4

1 回答 1

3

看到你生成数据的方式，你应该在 h2o.glm 中使用standardize = F 来避免你的问题。

http://docs.h2o.ai/h2o/latest-stable/h2o-docs/data-science/glm.html

这是系数和标准化系数的问题。请注意，您应该使用截距 = T 和标准化 = T 获得最佳结果。

当您必须预测 0 值并且仅在少数情况下，您应该避免拦截。

于 2018-10-26T12:22:39.770 回答