我试图让penalized包和glmnet生成相同的输出。我管理过它，但不是我想象的那样。
据我了解文档，惩罚实施了带有惩罚labmda1 | beta |的天真套索+ lambda2 | beta | ^ 2。 glmnet的帮助文件和插图将惩罚为lambda（alpha | beta | +（1 - alpha）| beta | ^ 2/2）。请注意，最后一项除以2。
游戏显示我需要通过样本大小在一个实现中缩放惩罚参数，以在其他实现中获得相同的结果
library(glmnet)
library(penalized)
# Simulate some data
x <- rmvnorm(1000, mean=rep(0, 50))
y <- 1 / (1 + exp(x[, 1] + x[, 2] + x[, 3] + x[, 4]))
y <- rbinom(1000, prob=y, size=1)
# Set penalty paramters
alpha <- 0.5
lambda <- 0.1
lambda1 <- lambda * alpha * 1000
lambda2 <- lambda * (1 - alpha) / 2 * 1000
gnet <- glmnet(x, y, family="binomial", lambda=lambda, alpha=alpha, standardize=TRUE)
gco <- coef(gnet)
gco[abs(gco[, 1]) > 0, ] # non-zero coefficients
pmod <- penalized(y, x, lambda1=lambda1, lambda2=lambda2, standardize=TRUE)
coef(pmod)
结果相似，但不够接近。但是，如果我摆脱1/2的因素，我会得到匹配的答案。
lambda2 <- lambda * (1 - alpha) * 1000
gnet <- glmnet(x, y, family="binomial", lambda=lambda, alpha=alpha, standardize=TRUE)
gco <- coef(gnet)
gco[abs(gco[, 1]) > 0, ] # non-zero coefficients
pmod <- penalized(y, x, lambda1=lambda1, lambda2=lambda2, standardize=TRUE)
coef(pmod)
发生了什么？