R h2o.glm-具有最大活动预测值的问题

我想用预定义的最大活动预测器数（非默认的最大活动预测器列）估计h2o.glm模型。以下是一个例子：

set.seed(123)

par1 <- matrix(c(100, 200, 300, 400, 40, 30, 20, 10), 4, 2)
par2 <- c(1000, 2000, 3000, 4000)

coef <- c(0.5, -0.5, 1, -1, 1.5, -1.5, 2, -2)

mat <- as.data.frame(cbind(apply(par1, 1, function(x) rnorm(1000, mean = x[1], sd = x[2])),
                           sapply(par2, function(x) rpois(1000, lambda = x))))
mat$Y <- as.numeric(t(coef %*% t(mat)))

h2o.init(nthreads = -1)
mat_h2o <- as.h2o(mat, "mat.h2o")

glm_base <- h2o.glm(x = setdiff(colnames(mat), "Y"), 
                    y = "Y",
                    training_frame = mat_h2o,
                    solver = "IRLSM",
                    family = "gaussian",
                    link = "family_default",
                    alpha = 1,
                    lambda_search = TRUE,
                    nlambdas = 10)

summary(glm_base)

glm_restr <- h2o.glm(x = setdiff(colnames(mat), "Y"), 
                     y = "Y",
                     training_frame = mat_h2o,
                     solver = "IRLSM",
                     family = "gaussian",
                     link = "family_default",
                     alpha = 1,
                     lambda_search = TRUE,
                     nlambdas = 10,
                     max_active_predictors = 3)

summary(glm_restr)

set.seed（123）
par1我认为这是一个bug。（已确认，请参阅）

当我做了
h2o.scoreHistory（glm_Rest）
时，我得到了：

Scoring History: 
            timestamp   duration iteration lambda predictors deviance_train
1 2016-09-21 09:25:29  0.000 sec         0  .46E2          4       9806.688
2 2016-09-21 09:25:29  0.052 sec         0  .17E2          7       1988.941
3 2016-09-21 09:25:29  0.100 sec         0   .6E1          9        294.884
4 2016-09-21 09:25:29  0.153 sec         0  .21E1          9         38.086
5 2016-09-21 09:25:29  0.203 sec         0  .77E0          9          4.919
6 2016-09-21 09:25:29  0.255 sec         0  .28E0          9          0.635
7 2016-09-21 09:25:30  0.307 sec         0   .1E0          9          0.082
8 2016-09-21 09:25:30  0.358 sec         0 .36E-1          9          0.011
9 2016-09-21 09:25:30  0.408 sec         0 .13E-1          9          0.001

也就是说，lambda搜索的第一次迭代（lambda值为46）似乎已超过3，并直接达到4

有了这个线索，我可以通过跳过lambda搜索并选择一个50的lambda来获得三个预测值：

glm_L50 <- h2o.glm(x = setdiff(colnames(mat), "Y"), 
     y = "Y",
     training_frame = mat_h2o,
     solver = "IRLSM",
     family = "gaussian",
     link = "family_default",
     alpha = 1,
     lambda = 50)

这是正确的选择。你没有犯任何错误吗？你能提供摘要吗？这可能与解算器有关。我知道IRLSM更改了默认的最大值。我不想粘贴摘要，因为它太长了。我没有错误，但是第二个模型返回八个（不是三个）非零系数。就解算器而言，我在文档中读到，该参数在解算器中有所不同，但仅在默认值方面有所不同，在本例中，这不是问题。确定。如果没有进一步的信息，就很难进一步帮助你。你可以联系H2O谷歌集团，但是他们肯定会问你更多的信息。顺便问一下，你在你的机器上运行过这个代码吗？它不是完全可复制的，因为我在向glm添加种子参数时遇到了问题，但也许你可以告诉我是否有4个或4个以上的glm非零预测器。顺便问一下，关于“向glm添加种子参数时遇到问题”，你使用的是最近的glm吗？我在3.8.2.*中也遇到了这个问题，但它似乎在3.10.0.*系列中消失了。（我相信GLM本身始终是可复制的（？），但seed允许交叉验证拆分之类的事情也可复制。）感谢这种解决方法。我也非常感谢您确认这是否是一个bug，以及何时可以解决这个问题。@user2280549我添加了到bug报告的链接。
GLM Model: summary
    family     link         regularization number_of_predictors_total
1 gaussian identity Lasso (lambda = 50.0 )                          8
  number_of_active_predictors number_of_iterations training_frame
1                           3                    0        mat.h2o

Coefficients: glm coefficients
      names coefficients standardized_coefficients
1 Intercept  -998.311697              -3657.657068
2        V1     0.000000                  0.000000
3        V2     0.000000                  0.000000
4        V3     0.000000                  0.000000
5        V4     0.000000                  0.000000
6        V5     0.000000                  0.000000
7        V6    -0.389528                -17.453935
8        V7     1.014556                 53.969163
9        V8    -1.229969                -81.328717

H2ORegressionMetrics: glm
** Reported on training data. **

MSE:  10921.23
RMSE:  104.5047
MAE:  83.98198
RMSLE:  NaN
Mean Residual Deviance :  10921.23
R^2 :  0.6932398
Null Deviance :35601860
Null D.o.F. :999
Residual Deviance :10921233
Residual D.o.F. :996
AIC :12146.34