如何从R中的glmnet得到目标函数的值？

我可以获得套索或脊回归拟合

cvfit <- cv.glmnet(X, y)

---

cvfit我不确定
glmnet
是否提供了目标函数的值，但我们自己计算很容易。这里有一个小套索的例子

library(glmnet)

x <- as.matrix(mtcars[c("hp", "cyl", "wt", "gear")])
y <- mtcars$mpg

cvfit = cv.glmnet(x, y, alpha = 1)  # alpha = 1 for LASSO

岭回归类似：使用
alpha=0
代替
sum（abs（coefs[-1]））
替换为
sum（coefs[-1]^2）
MSE=线性回归的目标函数。是的，适用于普通线性回归，但不适用于套索或岭回归。例如，在套索中，目标函数是MSE+lambda*| A |，其中A是系数。@rhombidodecaderon你对目标函数的看法是正确的。套索确实最小化了目标函数“剩余平方和+λ*|系数|”。
cvfit$lambda[cvfit$lambda==cvfit$lambda.min]
只是
cvfit$lambda.min
顺便说一下：-）谢谢，看起来不错。我想知道：我认为glmnet标准化了回归过程中的所有变量。在计算目标函数时，重新标准化它们是否重要？
mse <- cvfit$cvm[cvfit$lambda == lambda.min]

library(glmnet)

x <- as.matrix(mtcars[c("hp", "cyl", "wt", "gear")])
y <- mtcars$mpg

cvfit = cv.glmnet(x, y, alpha = 1)  # alpha = 1 for LASSO

coefs <- coef(cvfit, s = "lambda.min")
objective <- sum((y - coefs[1] - (x %*% coefs[-1]))^2) + 
             cvfit$lambda.min * sum(abs(coefs[-1]))
objective