LASSO変数トレースプロットの解釈

私はこのglmnetパッケージを初めて使用しますが、結果の解釈方法がまだわかりません。誰でも次のトレースプロットを読むのを手伝ってもらえますか？

グラフは、次を実行して取得していました。

library(glmnet)
return <- matrix(ret.ff.zoo[which(index(ret.ff.zoo)==beta.df$date[2]), ])
data   <- matrix(unlist(beta.df[which(beta.df$date==beta.df$date[2]), ][ ,-1]), 
                 ncol=num.factors)
model  <- cv.glmnet(data, return, standardize=TRUE)

op <- par(mfrow=c(1, 2))
plot(model$glmnet.fit, "norm",   label=TRUE)
plot(model$glmnet.fit, "lambda", label=TRUE)
par(op)

両方のプロットで、各色付きの線は、モデル内の異なる係数によって取得された値を表します。ラムダは正則化項（L1ノルム）に与えられる重みであるため、ラムダがゼロに近づくと、モデルの損失関数はOLS損失関数に近づきます。これを具体化するためにLASSO損失関数を指定できる1つの方法を次に示します。

したがって、ラムダが非常に小さい場合、LASSOソリューションはOLSソリューションに非常に近く、すべての係数がモデルに含まれている必要があります。ラムダが大きくなると、正則化項の効果が大きくなり、モデル内の変数が少なくなります（ゼロの値が増える係数が増えるため）。

上で述べたように、L1ノルムはLASSOの正則化用語です。おそらくそれを見るより良い方法は、x軸がL1ノルムがとることができる最大許容値であることです。したがって、L1ノルムが小さい場合、多くの正則化が行われます。したがって、L1ノルムがゼロの場合、空のモデルが得られ、L1ノルムを大きくすると、変数の係数がゼロ以外の値になるため、変数がモデルに入ります。

左側のプロットと右側のプロットは、基本的に同じものを異なるスケールで示しています。