在最初的弹性网络论文中，Zou和Hastie（2005）检查了前列腺癌数据以进行比较。我想使用glmnet中的R包重新生成结果。如本文所述，回复为lpsa。训练和测试集由数据中的变量train给出。我假设alpha = 0.26（如文中所述）并使用交叉验证来估算lambda。但我无法得到与论文中给出的相似的均方误差（即0.381）。我的错误在哪里？
我使用的代码如下。
library(ElemStatLearn)
library(glmnet)
x = model.matrix(lpsa ~ .-train, data = prostate)[, -1]
y = prostate$lpsa
#
trainlab = which(prostate$train=="TRUE")
testlab = which(prostate$train=="FALSE")
y.test = y[testlab]
alph=0.26
en.mod = glmnet(x[trainlab, ], y[trainlab], alpha = alph)
set.seed(1)
cv.out = cv.glmnet(x[trainlab, ], y[trainlab], alpha = alph)
bestlambda=cv.out$lambda.min
en.pred = predict(en.mod, s=bestlambda, newx = x[testlab, ])
MSE.en = mean((en.pred-y.test)^2)
MSE.en
[1] 0.5043356