系数路径–岭，套索和弹性净回归的比较

我想比较使用脊线，套索和弹性网选择的模型。下图显示了使用所有三种方法的系数路径：山脊（图A，alpha = 0），套索（图B； alpha = 1）和弹性网（图C； alpha = 0.5）。最佳解决方案取决于所选的lambda值，该值是基于交叉验证选择的。

查看这些图时，我希望弹性网（图C）表现出分组效应。然而，目前情况尚不清楚。套索和弹性网的系数路径非常相似。这可能是什么原因？这仅仅是编码错误吗？我在R中使用了以下代码：

library(glmnet)
X<- as.matrix(mydata[,2:22])
Y<- mydata[,23]
par(mfrow=c(1,3))
ans1<-cv.glmnet(X, Y, alpha=0) # ridge
plot(ans1$glmnet.fit, "lambda", label=FALSE)
text (6, 0.4, "A", cex=1.8, font=1)
ans2<-cv.glmnet(X, Y, alpha=1) # lasso
plot(ans2$glmnet.fit, "lambda", label=FALSE)
text (-0.8, 0.48, "B", cex=1.8, font=1)
ans3<-cv.glmnet(X, Y, alpha=0.5) # elastic net 
plot(ans3$glmnet.fit, "lambda", label=FALSE)
text (0, 0.62, "C", cex=1.8, font=1)

用于绘制弹性净系数路径的代码与用于脊和套索的代码完全相同。唯一的区别在于alpha值。基于最低Lambda值的最低MSE（均方误差）选择用于弹性净回归的Alpha参数。

谢谢您的帮助 ！

$p < n$$p$$n$

如果原始特征不是很相关，那么我可以说，Lasso在系数路径方面的表现类似于Elastic Net。查看glmnet软件包的文档，我也看不到您的代码中的任何错误。