R 弹性净回归（前列腺数据）

在最初的弹性网论文中，邹和黑斯蒂（2005）检查了前列腺癌数据以进行比较。我想使用

R

中的

glmnet

包重新生成结果。如本文所述，响应为

lpsa

。训练集和测试集由数据中的变量

train

给出。我假设

alpha=0.26

（如本文所述），并使用交叉验证来估计

lambda

。但我无法得到与论文中给出的均方误差（0.381）类似的均方误差。我的错在哪里

下面给出了我使用的代码

library(ElemStatLearn)
library(glmnet)
x  = model.matrix(lpsa ~ .-train, data = prostate)[, -1]
y = prostate$lpsa
#
trainlab = which(prostate$train=="TRUE")
testlab = which(prostate$train=="FALSE")
y.test = y[testlab]

alph=0.26
en.mod = glmnet(x[trainlab, ], y[trainlab], alpha = alph)

set.seed(1)
cv.out = cv.glmnet(x[trainlab, ], y[trainlab], alpha = alph)
bestlambda=cv.out$lambda.min
en.pred = predict(en.mod, s=bestlambda, newx = x[testlab, ])
MSE.en = mean((en.pred-y.test)^2)
MSE.en
[1] 0.5043356

根据，他们使用了一种称为LARS-EN的算法，因此您可能有兴趣检查名为

elasticnet

的包，因为它实现了该算法