排除 H2O 中的截距（python 和 R）無論如何都會產生截距的非零系數

Question

我正在嘗試在 Python 和 R 中使用 H2O 庫來生成不包含攔截的 GLM。 不幸的是，它似乎不起作用。 結果完全關閉，截距系數非零（只有截距的標准化系數為零），但是，這並沒有給我一個正確的預測。

由於從模型中排除了截距，我希望所有其他輸入都等於 0 的情況的預測也為 0。 不是這種情況。 該系數相當顯着地抵消了預測，實際上，如果我使用我知道應該沒有截距的模擬數據設置截距=真，我的截距系數比使用截距=假運行相同數據時更接近於0。

在 R 和 Python 中都會發生同樣的情況，我不確定我在設置模型時是否做錯了什么。

我編寫的代碼示例只是為了測試 R 中的問題：

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)

我在這里遺漏了一些明顯的東西嗎？

Answer 1

看到您生成數據的方式，您應該在 h2o.glm 中使用 standardize = F 來避免您的問題。

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

這是系數和標准化系數的問題。 請注意，截距 = T 和標准化 = T 時應獲得的最佳結果。

當您必須預測 0 值且僅在少數情況下時，您應該避免攔截。