R：如何添加 L1 范数线以从 glmnet 绘图答案

【问题标题】：R: how to add L1 norm line to plot from glmnetR：如何添加 L1 范数线以从 glmnet 绘图
【发布时间】：2018-08-19 19:51:37
【问题描述】：

我正在做 lasso 回归，我想通过使用 Leave one out cross validation 选择一些最能解释我的模型的 beta 系数。这是我的代码：

library(glmnet)
set.seed(19875)
n=100
p=500
real_p=15
x=matrix(rnorm(n*p), nrow=n, ncol=p)
y=as.matrix(apply(x[, 1:real_p], 1, sum) + rnorm(n))
lasso=glmnet(x,y,alpha = 1)
plot(lasso)
#computing loocv 
cvlassofit<-cv.glmnet(x,y, nfolds =n, grouped = FALSE )
plot(cvlassofit)

第一个图生成 beta 系数路径：

然后我想添加一条垂直线，用于选择均方误差较小的最佳系数。情节应如下所示：

在我执行 CV 的代码部分中，我得到了具有最小 mse（均方误差） 的最佳 lambda。剧情如下：

现在，我能否以某种方式基于 lambda 获得 L1 范数的值，以便在第一个图中添加一条垂直线？或者在最后一个情节中，我可以做一个 L1 norm 来代替 log(lambda) 吗？

【问题讨论】：

标签： r glmnet lasso-regression

【解决方案1】：

现在，我能否以某种方式基于 lambda 获得 L1 范数的值，以便在第一个图中添加一条垂直线？或者我可以在最后一个情节中代替 log(lambda)，我可以做一个 L1 norm 吗？

你可以这样做：

lambda_min <- cvlassofit$lambda.min
estimates <- as.vector(coef(lasso, s = lambda_min, exact = TRUE))
norm. <- sum(abs(estimates))
plot(lasso, xlim = range(0, norm., as.vector(lasso$beta)))
abline(v = norm., col = "red")

结果如下：

【讨论】：