有没有办法在glm函数中获取优化算法每一步的系数？

Question

当在R中执行logit回归时，可以在优化算法收敛（或不收敛）后使用coefficients()函数获得系数：

library(MASS)
data(menarche)
glm.out = glm(cbind(Menarche, Total-Menarche) ~ Age,
               family=binomial(logit), data=menarche)
coefficients(glm.out)
## (Intercept)         Age 
## -21.226395    1.631968

有没有办法获取优化算法每一步的系数来追踪其步骤？

Answer 1

glm.fit 的内部结构已更改（请参阅@John 的评论），因此请改用它。它不依赖于内部结构的行位置，而是拦截 glm.fit 中的每个 cat 实例，并将消息添加到迭代消息中，因此尽管它仍然依赖于内部结构，但它应该不那么脆弱。这在 R 4.1 和 4.2 中对我有用。

library(MASS)
data(menarche)

trace(glm.fit, quote(cat <- function(...) {
  base::cat(...)
  if (...length() >= 3 && identical(..3, " Iterations - ")) print(coefold)
}))
glm.out = glm(cbind(Menarche, Total-Menarche) ~ Age,
                     family=binomial(logit), data=menarche,
                     control = glm.control(trace = TRUE))
untrace(glm.fit)

上一个解决方案

具有显示值的 control= 参数会导致偏差打印，trace 语句会导致系数值打印：

trace(glm.fit, quote(print(coefold)), at = list(c(22, 4, 8, 4, 19, 3)))
glm.out = glm(cbind(Menarche, Total-Menarche) ~ Age,
                     family=binomial(logit), data=menarche,
                     control = glm.control(trace = TRUE))

输出将如下所示：

Tracing glm.fit(x = structure(c(1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,  .... step 22,4,8,4,19,3 
NULL
Deviance = 27.23412 Iterations - 1
Tracing glm.fit(x = structure(c(1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,  .... step 22,4,8,4,19,3 
[1] -20.673652   1.589536
Deviance = 26.7041 Iterations - 2
Tracing glm.fit(x = structure(c(1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,  .... step 22,4,8,4,19,3 
[1] -21.206854   1.630468
Deviance = 26.70345 Iterations - 3
Tracing glm.fit(x = structure(c(1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,  .... step 22,4,8,4,19,3 
[1] -21.226370   1.631966
Deviance = 26.70345 Iterations - 4

要删除痕迹，请使用：

untrace(glm.fit)

注意，在trace调用中，coefold是glm.fit源代码内部使用的变量名，使用的数字是指源代码中的语句编号，因此，如果 glm.fit 来源发生变化，则可能需要更改其中任何一个。我正在使用“R 版本 3.2.2 已修补 (2015-10-19 r69550)”。

有没有办法在glm函数中获取优化算法每一步的系数？

Is there a way to obtain coefficients for each step of the optimization algorithm in glm function?

r

glm