glmnet()预期的前两个参数是预测变量的矩阵（x在您的情况下为 ）和响应的向量（g4在您的情况下为 ）。对于x矩阵，期望您已经虚拟化了任何分类变量。换句话说，glmnet()实际上并不知道您的任何预测变量是否是分类的，因为它们已经被虚拟化了。

如果您的数据在数据框中，构造x矩阵的好方法是使用该model.matrix()函数。它接受公式语言，将自动排除响应变量，并将为定义为因子的任何预测变量创建虚拟变量。

family="multinomial"和type.multinomial="grouped"选项是指具有超过 2 个可能结果的响应变量。您可以传入响应变量 ( g4) 作为因子。

包作者提供了一个很好的小插图来解释 的用法glmnet()，但不幸的是它没有给出一个使用model.matrix()来准备x矩阵的例子。

正如 justmarkham 指出的那样，您可以x使用model.matrix. 请注意，您需要排除拦截，因为 glmnet 默认包含一个。您可能还想更改默认对比函数，默认情况下会忽略每个因素的一个级别（治疗编码）。但是由于 lasso 惩罚，这不再是可识别性所必需的，实际上使所选变量的解释更加复杂。为此，请设置

contr.Dummy <- function(contrasts, ...){
   conT <- contr.treatment(contrasts=FALSE, ...)
   conT
}
options(contrasts=c(ordered='contr.Dummy', unordered='contr.Dummy'))

现在，无论选择什么水平的因子，您都可以认为它表明这些特定水平很重要，而不是所有省略的水平。在机器学习中，我看到这种编码称为 one-hot 编码。

假设g4具有K级别，该type.multinomial="grouped"选项指定每个线性预测变量的特征都x将同时进入模型K，而不是让每个类别的线性预测变量（通常）具有自己的特征。 glmnet不（目前？）支持预测变量（x矩阵）的分组类型惩罚。该包grplasso确实如此，但它是用纯 R 编写的，因此比 慢glmnet，但您可以尝试一下。