如果这个问题是基本的，我提前道歉。

我正在尝试使用 LASSO 进行变量选择，并在 R 中实现。我目前有 15 个预测变量，并希望减少变量空间并仅选择最佳预测变量，以包含在我的最终因子模型中。

有些人建议我为此目的使用 LASSO。但是，在阅读了一些有关该主题的文档后，我仍然不确定如何选择调整参数 $\lambda$. 至于 R 中的实现，我尝试使用该glmnet包：

获取调整参数的值$\lambda$

library(glmnet)
ans <- cv.glmnet(data, return[,1], standardize = TRUE)
par(mfrow=c(1, 2))
plot(ans$glmnet.fit, "norm", label=TRUE)
plot(ans$glmnet.fit, "lambda", label=TRUE)
dev.new()
plot(ans)

但是，我不确定如何解释结果。然后我运行以下命令：

model <- cv.glmnet(data, return[,1], standardize = TRUE)
coef(model)

任何人都可以澄清 R 中 LASSO 的结果吗？

谢谢，