Interpretação de gráficos de rastreio variável do LASSO

Eu sou novo no glmnetpacote e ainda não tenho certeza de como interpretar os resultados. Alguém poderia me ajudar a ler o seguinte gráfico de rastreamento?

O gráfico foi obtido executando o seguinte:

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)

Nos dois gráficos, cada linha colorida representa o valor obtido por um coeficiente diferente no seu modelo. Lambda é o peso atribuído ao termo de regularização (a norma L1); portanto, como o lambda se aproxima de zero, a função de perda do seu modelo se aproxima da função de perda do OLS. Aqui está uma maneira de especificar a função de perda do LASSO para tornar isso concreto:

Portanto, quando o lambda é muito pequeno, a solução LASSO deve estar muito próxima da solução OLS e todos os seus coeficientes estão no modelo. À medida que o lambda cresce, o termo de regularização tem maior efeito e você verá menos variáveis ​​em seu modelo (porque mais e mais coeficientes terão valor zero).

Como mencionei acima, a norma L1 é o termo de regularização para o LASSO. Talvez uma maneira melhor de ver isso é que o eixo x é o valor máximo permitido que a norma L1 pode assumir . Então, quando você tem uma pequena norma L1, tem muita regularização. Portanto, uma norma L1 de zero fornece um modelo vazio e, à medida que você aumenta a norma L1, as variáveis ​​"entram" no modelo, pois seus coeficientes assumem valores diferentes de zero.

O gráfico à esquerda e o gráfico à direita mostram basicamente a mesma coisa, apenas em escalas diferentes.