LASSO 변수 추적 플롯 해석

나는 glmnet패키지를 처음 접했고 결과를 해석하는 방법을 여전히 확신하지 못한다. 누구든지 다음 추적 플롯을 읽도록 도와 줄 수 있습니까?

다음을 실행하여 그래프를 얻었습니다.

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)

두 플롯에서 각 색상 선은 모델에서 다른 계수로 얻은 값을 나타냅니다. 람다 는 정규화 항 (L1 표준)에 주어진 가중치이므로 람다는 0에 가까울수록 모델의 손실 함수는 OLS 손실 함수에 접근합니다. 이 콘크리트를 만들기 위해 LASSO 손실 함수를 지정할 수있는 한 가지 방법이 있습니다.

따라서 람다가 매우 작은 경우 LASSO 솔루션은 OLS 솔루션에 매우 가까워 야하며 모든 계수가 모형에 있어야합니다. 람다가 커짐에 따라 정규화 항이 더 큰 효과를 나타내며 모형에 더 적은 수의 변수가 표시됩니다 (더 많은 계수가 0을 가지므로).

위에서 언급했듯이 L1 규범 은 LASSO의 정규화 용어입니다. 아마도 그것을 보는 더 좋은 방법은 x 축이 L1 규범이 취할 수 있는 최대 허용 값이라는 것 입니다. 따라서 L1 규범이 작 으면 정규화가 많이 이루어집니다. 따라서 L1 규범 0은 빈 모델을 제공하며 L1 규범을 증가 시키면 계수가 0이 아닌 값을 취하므로 변수가 모델에 "입력"됩니다.

왼쪽의 플롯과 오른쪽의 플롯은 기본적으로 다른 스케일로 동일한 것을 표시합니다.