我正在尝试使用 LASSO 回归来选择重要特征。我有 27 个数字特征和一个包含 3 个类的分类类变量。使用了以下代码：
x <- as.matrix(data[, -1])
y <- data[,1]
fplasso <- glmnet(x, y, family = "multinomial")
使用以下方法进行交叉验证：
cvfp <- cv.glmnet(x, y, family = "multinomial", type.measure = "class")
并尝试使用以下方法选择系数未缩小为“0”的特征：
coef(cvfp, s = "lambda.min")
它为我提供了 3 个独立类中的每一个的特征系数。由于我第一次使用LASSO，只是想知道这是否是进行特征选择的正确方法？而且，是否应该按类别报告所有特征的系数，还是应该整体上每个特征有一个系数？换句话说，根据每个类别，每个特征的系数会不同吗？