glmnet 包中的“standardize =”选项

如何解决glmnet 包中的“standardize =”选项

我有一个关于 glmnet 包中的标准化选项的问题。
我知道缩放或标准化数据集对于回归分析是必要的，以便使系数有意义。
通常，对于线性回归（例如，在 R 中使用 glm 函数），我在运行 glm 模型之前使用 scale() 函数手动缩放数据集。
然而，似乎在使用 glmnet 包（用于正则化回归）时，标准化选项确实标准化了数据集，从而使系数本身有意义（可比较）。我说的对吗？

如果这是正确的，假设我运行以下代码。结果证明变量“x3”具有最高的系数（在绝对值范围内）。那么我是否可以得出结论，变量“x3”是区分类别的最重要变量？？？

我期待听到任何意见！！谢谢。

set.seed(12345) 
example.dat <- data.frame(Category = rbinom(100,1,0.5),x1 = rpois(100,10),x2 = rnorm(100,3,x3 = rbeta(100,8,20),x4 = rnorm(100,-3,45),x5 = rnorm(100,1000,10000))

sample = sample.split(example.dat$Category,SplitRatio = .70)
train = subset(example.dat,sample == TRUE)
test  = subset(example.dat,sample == FALSE)

set.seed(12345)
lasso.fit <- cv.glmnet(data.matrix(train[,-1]),train[,1],family         = "binomial",nfolds         = nrow(train),# LOOCV
                       grouped        = FALSE,type.measure   = "class",alpha          = 0.6,standardize    = TRUE,standardize.response = TRUE)
print(lasso.fit)
coef       <- as.matrix(abs(coef(lasso.fit,s = "lambda.1se")))
coef.order <- as.matrix(coef[order(coef,decreasing = TRUE),])
rownames(as.matrix(coef.order[coef.order[,1]>0,]))
# [1] "x3"          "(Intercept)"