Question

（注意：这是我在其他论坛上发布的帖子的稍作修改的版本。我在那儿没有收到回复，因此请在此处发布。如果不允许，请告诉我，它将删除问题）。

我是 glmnet 的新手，所以我还不完全了解各种参数呢。我正在尝试建立一个限制的多项式分类器模型中使用的特征数量。通过阅读文档和一些在这个论坛上的答案，我知道dfmax是做到这一点的方法。一世玩了一下我有几个问题，希望得到一些帮助：

对于特定的数据集，我想将特征数量限制为3；原始数据具有126个特征。这是我运行的：

fit<-glmnet(data.matrix(X), data.matrix(y), family='multinomial', dfmax=3) 
d<-data.frame(tidy(fit))

这是d的值：

我对输出的问题：

我在那里看到lambda的多个值；看起来像 glmnet尝试拟合lambda，使术语数量接近 dfmax=3。因此，它不像LARs算法（通过添加变量来逐步移动，并可以在确切数量的变量处停止），以及有关获取正确的lambda进行正则化，从而导致预期的dfmax。是这个权利？
我猜alpha在我们能接近多远的过程中发挥了作用到dfmax。在alpha=1，我们正在做套索，因此更容易与dfmax相比，alpha=0更接近dfmax，而我们正在做岭。这种理解正确吗？
dfmax的“邻居”是最好的，我们可以做到的。还是我错过了让我满意的参数精确到alpha=1的模型（供参考：step=1似乎没有我至少要知道非零项的确切数目数据集）。
在第一个解决方案-pmax中，没有使用任何变量。这是否意味着相对几率等于一个常数？
return try req.content.decode(File.self).flatMap(to: Image.self) { (file) in try file.data.write(to: URL(fileURLWithPath: DirectoryConfig.detect().workDir + localImageStorage + file.filename)) return try Image(userID: user.requireID(), url: imageStorage + file.filename, filename: file.filename).save(on: req) }的作用是什么？

谢谢！