последовательность лямбда по умолчанию в glmnet для перекрестной проверки

Согласно Friedman, Hastie & Tibshirani (2010), «стратегия состоит в том, чтобы выбрать минимальное значение lambda_min = epsilon * lambda_max и построить последовательность K значений lambda, уменьшающихся от lambda_max до lambda_min по логарифмической шкале. Типичные значения: эпсилон = 0,001 и K = 100».

В следующем примере генерируются данные, вычисляется лямбда-путь и сравнивается с glmnet:

## Load library and generate some data to illustrate:
library("glmnet")
set.seed(1)
n <- 100
x <- matrix(rnorm(n*20), n, 20)
y <- rnorm(n)

## Standardize variables: (need to use n instead of (n-1) as denominator)
mysd <- function(z) sqrt(sum((z-mean(z))^2)/length(z))
sx <- scale(x, scale = apply(x, 2, mysd))
sx <- as.matrix(sx, ncol = 20, nrow = 100)

## Calculate lambda path (first get lambda_max):
lambda_max <- max(abs(colSums(sx*y)))/n
epsilon <- .0001
K <- 100
lambdapath <- round(exp(seq(log(lambda_max), log(lambda_max*epsilon), 
                            length.out = K)), digits = 10)
lambdapath

## Compare with glmnet's lambda path:
fitGLM <- glmnet(sx, y)
fitGLM$lambda

Обратите внимание, что glmnet не вычисляет решения для всех 100 (по умолчанию) значений лямбда, а останавливается раньше. Не знаю, каковы правила остановки.

См. также Как glmnet вычисляет максимальное значение лямбда

Фридман Дж., Хасти Т. и Тибширани Р. (2010). Пути регуляризации для обобщенных линейных моделей через координатный спуск. Журнал статистического программного обеспечения, 33(1), 1.