通过分类变量级别估计h2o glm系数

Question

我想通过h2o glm中的分类变量级别来估计预测变量的系数。 例如，如果我的数据框具有产品价格（连续变量）和产品类型（类别变量），那么我想估计按产品价格的系数。 在SAS中，您可以通过将模型效果指定为price * type来轻松完成此操作。 如何在h2o或R中做同样的事情？

有一个interacts（）函数，但是它不能处理连续变量和分类变量之间的相互作用。 有什么技巧可以解决这个问题？

非常感谢，

Answer 1

set.seed(1234)
x1 = rnorm(100,0,1)
x2 = as.factor(rep(c("A","B","C","D"), each = 25))
y = as.factor(rep(0:1, each = 50))
data = data.frame(x1 = x1, x2 = x2, y = y)

可以在公式参数中使用“：”指定互动

# glm base example
fit <- glm(data = data, y ~ x1 + x2 + x1:x2, family = "binomial")
print(fit)

使用h2o.glm成对交互可以通过将列索引传递给interacts参数来指定

# h2o.glm example
library("h2o")
h2o.init(nthreads = -1)
data.hex = as.h2o(data)
h2o_fit <- h2o.glm(x = 1:2, y = 3, training_frame = data.hex, family = "binomial", interactions = 1:2)
h2o_fit@model$coefficients_table
h2o.shutdown(prompt = F)