Вопрос « Что делать из этого лассо-графика (glmnet)» демонстрирует пути решения для оценки лассо, которые не являются монотонными. То есть некоторые коэффициенты растут по абсолютной величине, а затем сокращаются.
Я применил эти модели к нескольким видам наборов данных и никогда не видел такого поведения «в дикой природе», и до сегодняшнего дня предполагал, что они всегда были монотонными.
Существует ли четкий набор условий, при которых пути решения гарантированно будут монотонными? Влияет ли это на интерпретацию результатов, если пути меняют направление?