里面有glmnet选项

lower.limits=0

您可以使用，这将是对拟合系数强制执行正性约束的适当方法，如果您将参数设置alpha为 1，您将拟合 LASSO。结合参数upper.limits，您还可以指定框约束。该glmnet软件包也比软件包快得多penalized，在此处的另一个答案中建议。

一个可以适应套索和弹性网络并支持正性和盒子约束的Rcpp版本glmnet也在准备中，可在https://github.com/jaredhuling/ordinis进行测试

有关一种选择，请参阅惩罚包。随包附带的Vignette (PDF!) 在第 3.9 节中有一个示例。

本质positive = TRUE上是在penalized()函数调用中设置参数。

这篇论文和这篇论文表明，在某些条件下，非负最小二乘解的硬阈值处理在性能方面可能与 L1 正则化 (LASSO) 相当或更好。一个例子是，如果您的设计矩阵只有非负条目，这通常是这种情况。

值得一试，因为 NNLS 得到了非常广泛的支持，并且也将更容易/更快地解决。