glmnetを使用すると、ユーザはweights引数を使用して観測加重ベクトルを入力できます。また、glmnetは、平均値と単位分散がゼロになるように（デフォルトで）プレディクタ変数を標準化しています。私の質問は、weightsが提供されている場合、glmnetは各列の加重平均（および標準偏差）または加重平均（および標準偏差）を使用して予測子を標準化していますか？重量が存在する場合、glmnetはどのように変数を標準化しますか？
標準化を計算のソース「あなたはglmnetのFortranの-CODE-スニペットを見ることができますLink
での標準化」glmnetの説明があります。 （「証明」段落、第2の箇条書き）。
私はFortranに精通していませんが、実際には重み付け平均とsdを使用しているように見えます。
編集：glmnetビネットから：
"
weightsが観測重みのためのものであるデフォルトでは、各 観察のために1である（注：glmnetはN、 サンプルサイズに合計する重みを再スケール。w付き）」
Fortranコードを再スケーリングの重みであることで、これは加重平均の標準化と一致しているようです。
受け入れられた答えと一致して、glmnetの重みは、逆分散の重みではなく、サンプリング重みです。あなたはユニーク観測よりも多くの観測を持っている場合たとえば、あなたはあなたのデータセットを圧縮し、同じ係数の推定値を得ることができます。
n <- 50
m <- 5
y_norm <- rnorm(n)
y_bool <- rbinom(n,1,.5)
x <- matrix(rnorm(n*m),n)
w <- rpois(n,3) + 1 # weights
w_indx <- rep(1:n,times=w) # weights index
m1 = glmnet(x, y_norm, weights = w)
m2 = glmnet(x[w_indx,] ,y_norm[w_indx])
all.equal(coef(m1,s=.1),
coef(m2,s=.1))
>>> TRUE
M1 = glmnet(x,y_bool,weights = w,family = "binomial")
M2 = glmnet(x[w_indx,],y_bool[w_indx],family = "binomial")
all.equal(coef(M1,s=.1),
coef(M2,s=.1))
>>> TRUE
は、もう少し注意がCVと重みを使用するときに使用する必要があります。集約されたレコードの重みは、多項分布を使用して折り返しに分散される必要があるため、glmnetを使用します。