正则化：glmnet包实现正则化

引言：glmnet R package，其中的glm对应广义线性模型（generalized linear models），代表该包可运用于线性回归、logistic回归，以及其他一些相对少见的模型。

在glmnet包中，并不是通过λ1和λ2控制两个惩罚项的大小。相反，glmnet通过仅有一个λ，还有一个α，从而实现控制两个惩罚项的大小，α的取值范围是[0,1]。

α决定岭回归和lasso回归的组成成分。

• 当α=0时，lasso回归的惩罚项系数为0，lasso惩罚项消失，故弹性网络回归降级为岭回归；
• 当α=1时，岭回归的惩罚项系数为0，岭回归惩罚项消失，故弹性网络回归降级为lass0回归；
• 当0 < α < 1，岭回归和lasso回归的惩罚项系数均存在，故弹性网络回归为岭回归和lasso回归的组合版本。
  λ决定惩罚的大小。

当λ=0时，惩罚项消失。降级为标准最小二乘法拟合线性模型或者最大似然法拟合logistic回归。
当λ>0时，惩罚项保留，通过lasso回归或（和）岭回归缩减估计的参数。

glmnet包实现正则化

install<