红点代表均方误差和上下一倍标准差，均方误差越小模型越好；上方数量表明模型仍存在的自变量个数（不一定是单调递减）。第一条虚线处表明均方误差最小值；第二个虚线标出最低点的一倍标准差的位置，表示牺牲一倍标准差的情况下可以得到的最简单的模型
查看第一条竖线（MSE最小）：lasso1.cv$lambda.min
查看第二条竖线：一倍标准误：lasso1.cv$lambda.1se
coef (lasso1.cv, s = "lambda.1se")
存在一定问题：没有显著性；结果是有偏的。实际操作当中常用的办法是使用lasso找出一组系数不为0的自变量后，再对这些自变量使用多元线性回归，即relaxed lasso。并且很少有人直接使用lasso作为预测模型，主要是通过lasso从自变量中筛选出相对重要的一些自变量
