在maxit=1000次迭代后，未达到第n个lambda值的r-glmnet收敛性;针对较大Lambda的解决方案回归

Question

我正在使用glmnet包中的LASSO来创建预测。此外，我正在使用cv.glmnet-函数进行5倍的交叉验证以创建Lasso.fit。然后在预测函数中使用这个glmnet对象，经验法则s="；λ1se"；。

x <- scale(x)
x_test <- scale(x_test)
lasso.fit <- cv.glmnet(x,y, nfolds = 5, alpha=1, 
intercept =TRUE, standardize =TRUE, type.measure="mae")
lasso_pred <- predict(lasso.fit, x_test, s ="lambda.1se")          

然而，运行此模型时，我收到以下警告：

Warning: 
from glmnet Fortran code (error code -79); 
Convergence for 79th lambda value not reached after maxit=100000 iterations; 
solutions for larger lambdas returned

这个警告是什么意思？

此外，我是否应该认真对待这个警告，即更改cv.glmnet-函数？

或者这是我在用惩罚方法创建预测时不应该担心的事情吗？

Answer 1

默认情况下，glmnet尝试计算100个lambda值的解。错误是说，在第79个lambda值时，坐标下降的最大迭代(默认为10^5(被击中。因此，由于该解不满足收敛准则，因此仅给出前78个lambda值的解。你仍然可以使用cv.glmnet——它只是用这78个Lambda进行模型选择。如果要计算更多的lambda，只需传递另一个参数maxit=...，其中...是大于10^5的某个数字。