我是套索回归的新手，我试图实现基于这个公式：
对于我在Elements of statistical learning book上读到的拦截，我只能使用y的平均值 .
为了计算beta，我使用了最小二乘法 . 然后我使用那些测试来估计beta套索 . 对于lambda，为简单起见，我只取了一个值（0.1） .
我不能真正做一个argmin，因为我只获得了一个beta套索值 . 在这种情况下我不明白，如果argmin只是给我一个索引吗？
这是简单的代码：
#Lasso regression
set.seed(110)
n = 5
p = 2
x=matrix(rnorm(n*p), nrow=n, ncol=p)
y=as.matrix(rnorm(n))
lambda=0.1
beta=matrix(0, nrow=ncol(x))
coefs=lm(y~x)
beta[1]=coefs$coefficients[2]
beta[2]=coefs$coefficients[3]
#computing the penalty l1 nomr
penalty=lambda*sum(abs(beta))
#computing beta_lasso form the formula
beta0=mean(y)
beta_lasso=1/2*sum((y-beta0-x%*%beta)^2)+penalty
#lasso using glmnet
library(glmnet)
fit=glmnet(x,y, lambda=0.1, standardize = FALSE)
coef(fit)
结果：
[1] 0.6329824
使用glmnet：
s0
(Intercept) 0.9810360
V1 .
V2 0.7815873
结果与glmnet函数的结果完全不同 . 我试图通过glmnet函数，但它非常复杂 .
我非常感谢任何澄清 .