Інтерпретація змінних графіків трасування LASSO

Я новачок у glmnetпакеті, і досі не знаю, як інтерпретувати результати. Може хто-небудь, будь ласка, допоможе мені прочитати наступний сюжетний сюжет?

Графік отримували, виконавши наступне:

library(glmnet)
return <- matrix(ret.ff.zoo[which(index(ret.ff.zoo)==beta.df$date[2]), ])
data   <- matrix(unlist(beta.df[which(beta.df$date==beta.df$date[2]), ][ ,-1]), 
                 ncol=num.factors)
model  <- cv.glmnet(data, return, standardize=TRUE)

op <- par(mfrow=c(1, 2))
plot(model$glmnet.fit, "norm",   label=TRUE)
plot(model$glmnet.fit, "lambda", label=TRUE)
par(op)

На обох графіках кожна кольорова лінія представляє значення, прийняте за іншим коефіцієнтом у вашій моделі. Лямбда - це вага, що надається терміну регуляризації (норма L1), тому, коли лямбда наближається до нуля, функція втрат вашої моделі наближається до функції втрати OLS. Ось один із способів ви можете вказати функцію втрат LASSO, щоб зробити це конкретним:

Тому, коли лямбда дуже мала, рішення LASSO повинно бути дуже близьким до рішення OLS, і всі ваші коефіцієнти є в моделі. У міру зростання лямбда термін регуляризації має більший ефект, і ви побачите менше змінних у вашій моделі (оскільки все більше коефіцієнтів буде нульовим).

Як я вже згадував вище, норма L1 є терміном регуляризації для LASSO. Можливо, кращим способом для цього є те, що вісь x - це максимально допустиме значення, яке може приймати норма L1 . Отже, коли у вас невелика норма L1, у вас багато регуляризації. Тому нульова норма L1 дає порожню модель, і при збільшенні норми L1 змінні будуть "входити" в модель, оскільки їх коефіцієнти приймають ненульові значення.

Сюжет зліва та сюжет праворуч показують вам одне й те саме, лише в різних масштабах.