R cv.glmnet岭回归lambda.min=lambda.1se？

我目前正在使用

glmnet

包在R中运行岭回归，但是，我最近遇到了一个新问题，希望在解释我的结果时得到一些帮助。我的数据可以在这里找到：

我的数据由26531x428观察矩阵

x

和26531x1响应向量

y

组成。我正在尝试确定

lambda.min

的最佳值，以及运行代码的时间

>lambda=cv.glmnet（x=x，y=y，weights=weights，alpha=0，nfolds=10，standarized=FALSE）

我明白了

$lambda.min
[1] 2.123479
$lambda.1se
[1] 619.0054

这是我所期望的结果。然而，我想对这种回归做一点小小的调整。我事先知道我的428个系数中的每一个，我不想像岭回归那样将每个系数收缩到0，而是希望将每个系数收缩到0以外的特定值。与

glmnet

的创建者之一特雷弗·黑斯蒂博士联系后，他告诉我，用

y2

替换

y

后运行相同的代码可以实现这一点，其中

y2=y-x%*%d

和

d

是系数先验的428x1向量。他说，然后将

d

添加到我的新系数中，这将给我事先知道的系数。在重新运行代码之后

>lambda=cv.glmnet（x=x，y=y2，weights=weights，alpha=0，nfolds=10，standarized=FALSE）

不幸的是，我

$lambda.min
[1] 220.3026
$lambda.1se
[1] 220.3026

plot（lambda）

的结果如下所示

---

有人知道为什么

glmnet

找不到合适的

lambda.min

？可能是因为我的先验向量包含的估计值太远了吗？任何帮助都将不胜感激

这是一个有趣的问题，但我认为它更适合接受统计建议；我已经投票决定将ot改为实际上，刚才注意到你能提供你的数据（包括先验系数）以便我重现这个问题吗？@tguzella文件可以在这里下载，让我知道这对你是否有效这是一个有趣的问题，但我认为它更适合接受统计建议；我已经投票决定将ot改为实际上，刚才注意到你能提供你的数据（包括先验系数）让我重现这个问题吗？@tguzella文件可以在这里下载，让我知道这是否适合你