R逻辑glmnet惩罚因子

我试图通过使用glmnet包中的套索来运行逻辑回归。我需要强制模型包含某些参数。然而，我犯了一个错误

> cv.lasso = cv.glmnet(x,y,family="binomial",alpha = 1,penalty.factor = penalty)
Error: Matrices must have same number of columns in rbind2(.Call(dense_to_Csparse, x), y)
In addition: Warning messages:
1: from glmnet Fortran code (error code -1); Convergence for 1th lambda value not reached after maxit=100000 iterations; solutions for larger lambdas returned 
2: In getcoef(fit, nvars, nx, vnames) :
an empty model has been returned; probably a convergence issue

x有95个变量，它们都是二进制的（0或1）。我必须强制包含3个变量，所以我设置了它们的惩罚。因子=0

   > penalty
   [1] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
   [38] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
   [75] 1 1 1 1 1 1 1 1 1 1 1 1 0 0 1 1 1 1 1 1 1

如果我删除

惩罚因子

，它将起作用，但我必须强制包括这三个变量。然而，当我保留

惩罚因子

并删除

family=“binomial”

时，它正在运行，但不再是二元逻辑回归。有人知道怎么修吗

编辑：因为我没有解决方案，而且我面临尽快显示结果的压力，所以我选择使用LASSO选择的变量与这三个强制性变量相结合来运行常规logit回归。不知怎的，我认为这样做会有问题

---

谢谢大家!

这是一个趋同问题。由于您的所有功能都是二进制的，并且这是一个逻辑模型，这似乎是由于Hauck-Dauber效应造成的。@user777感谢您的回答。对不起，我不熟悉衔接问题。你有什么建议来解决它吗？看看CV.SE上的Hauck-Dauber效应标签。@user777我不认为它与Hauck-Dauber效应有关，因为这三个变量（我想保留的变量）都不能完全分开结果。组合起来怎么样？