scikit Learnでは、ロジスティック回帰モデルの係数coef_は次元[n_classes-1、n_features]の配列です。
glmnet係数はfit$beta同様の配列ではありません。
例えば：
寸法xMatrix- 63231 X 1223 (トレーニング サンプル数 X 特徴数)
yMatrix- 63231 X 1の次元(トレーニング サンプルの数 X 各サンプルの期待される出力値)。45の異なるクラスがあります。したがって、出力はそれらのいずれかです。
出力係数の次元 (私が理解していることから) = 1223 X 45 (機能の数 X クラスの数)
私はscikit Learnで正しく理解していますが、結果はglmnet異なります
これが私のglmnetコードです：
> dim(x)
[1] 63231 1223
> length(y)
[1] 63231
> unique(sort(y))
[1] 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
[26] 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44
> fit <- glmnet(x,y)
> summary(fit)
Length Class Mode
a0 86 -none- numeric
beta 105178 dgCMatrix S4
df 86 -none- numeric
dim 2 -none- numeric
lambda 86 -none- numeric
dev.ratio 86 -none- numeric
nulldev 1 -none- numeric
npasses 1 -none- numeric
jerr 1 -none- numeric
offset 1 -none- logical
call 3 -none- call
nobs 1 -none- numeric
> dim(fit$beta)
[1] 1223 86
1223 X 45 ではなく 1223 X 86 になるのはなぜですか?