修正基于glmnet的多数据集LASSO回归特征选择输出问题

• 问题背景：用glmnet对n个数据集拟合LASSO回归（设置alpha=0），原特征提取逻辑返回全部30个候选特征及截距，未实现有效筛选；需得到类似enet函数输出的少量关键特征集合。
• 复现路径：使用ten文件夹内的数据可复现当前问题。

解决方案：基于lambda值提取非零系数特征 #

glmnet的LASSO回归通过lambda值控制特征筛选强度，需指定对应lambda来提取非零系数的特征：

1. 获取指定lambda下的系数矩阵
   选择交叉验证得到的最优lambda（lambda.min对应最小MSE，lambda.1se对应更简洁的模型），提取系数：

   # fit为glmnet的拟合对象
   coef_matrix <- coef(fit, s = "lambda.min")
   

2. 筛选非零系数的特征
   过滤掉截距项和系数为0的特征，得到选中的特征名称：

   # 提取非零系数且非截距的特征名
   selected_features <- rownames(coef_matrix)[coef_matrix != 0 & rownames(coef_matrix) != "(Intercept)"]
   

3. 验证结果
   用ten文件夹的数据复现后，对比enet的输出，确认特征数量和匹配度。

内容的提问来源于stack exchange，提问作者Marlen