我正在研究套索分类方法。我有一个40x15的数据集，我想开发一个二项式方程而不将数据分为训练集和测试集（因为样本量小）。
我需要一些有关Matlab如何精确执行LASSO（ lassoglm ）的具体细节。我知道有关通过对系数应用惩罚项来删除无关紧要的术语的一般概念，也了解 CV 以及它如何获取数据子集并对该子集执行分析，但对于Matlab中LASSO的处理过程，我还有一些具体问题。
我想知道：
- 在不使用 CV 的情况下，只是执行 B = lassoglm（X，Y）， B ？我可以用于二项式方程的 X 系数矩阵吗？
- 我是否仍可以在不使用 CV 的情况下提取 Index1SE 和 IndexMinDeviance 来为模型贡献最重要的术语？
- 因为 CV 找到了lambda的最优值，例如当我使用 CV = 10 时Matlab如何执行套索（ lambda = 100 ）？ Matlab对每个lambda值执行不同的分析吗？如果是这样，如何？和 HOW 绘制 Lambda-Deviance 图，并具有不同的误差线？
- 最后，我是否可以忽略 CV 并进行简单的Lassoglm分类，但仍然可以从我的15个术语中找到最佳的，有意义的术语，然后形成二项式公式（具有Intercept，C和X系数）