cv.glmnet中基于type.measure参数的不同结果

Question

我有一个训练矩阵30660 x 1612，它由3个密集的连续特征和其余的稀疏二进制特征组成。 #cases（1）：6132，#controls（0）：24528。

model.glmnet <- cv.glmnet(matrix.glmnet, factor(obs.dt[,iscase]), family='binomial', type.measure='class', nfolds=5)
plot(model.glmnet)

当type.measure='class'时，我得到

当type.measure='auc'时，我得到

使用coef(model.glmnet, s='lambda.1se')选择的系数非常合理！其中model.glmnet是用type.measure='auc'创建的！问题：为什么结果如此不同？对于可能导致数据特征的任何想法？

Answer 1

我也有类似的观察。即使在增加n倍并在set.seed（）中使用相同的种子之后，type.measure ='auc'和type.measure ='class'的有效lambda也有所不同。