解读LASSO变量迹线图

我是该glmnet软件包的新手，但仍不确定如何解释结果。谁能帮助我阅读以下跟踪图？

通过运行以下命令获得该图：

library(glmnet)
return <- matrix(ret.ff.zoo[which(index(ret.ff.zoo)==beta.df$date[2]), ])
data   <- matrix(unlist(beta.df[which(beta.df$date==beta.df$date[2]), ][ ,-1]), 
                 ncol=num.factors)
model  <- cv.glmnet(data, return, standardize=TRUE)

op <- par(mfrow=c(1, 2))
plot(model$glmnet.fit, "norm",   label=TRUE)
plot(model$glmnet.fit, "lambda", label=TRUE)
par(op)

在两个图中，每条彩色线代表模型中不同系数所取的值。Lambda是赋予正则化项（L1范数）的权重，因此当lambda接近零时，模型的损失函数将接近OLS损失函数。这是您可以指定LASSO损失函数以使其具体的一种方法：

因此，当λ非常小时，LASSO解应与OLS解非常接近，并且所有系数都在模型中。随着lambda的增长，正则化项会产生更大的影响，并且您会在模型中看到更少的变量（因为越来越多的系数将为零）。

如上所述，L1规范是LASSO的正则化术语。也许更好的观察方法是x轴是L1规范可以采用的最大允许值。因此，当您的L1范数较小时，您将进行很多正则化。因此，L1范数为零将给出一个空模型，并且随着L1范数的增加，变量将“输入”模型，因为它们的系数采用非零值。

左边的图和右边的图基本上是向您显示同一事物，只是比例不同。