第3章 LASSO 变量筛选、Logistic 重拟合与 Nomogram

现行主案例执行入口（2026-09-19）

Myocardial_Infarction_Complications的唯一执行根位于仓库 04_Cases/Myocardial_Infarction_Complications/，参数由analysis_config.R维护。按案例运行指南执行，不能复制本章技术Demo的变量、折数或数值替代主案例。

任务	主案例脚本
读取与描述、固定成员	L01_Read_Check_Demo.R、L02_Data_Preparation.R
LASSO lambda.min按原始变量筛选、普通Logistic	L03_Feature_Selection_Logistic.R
完整训练内筛选/调参的外层OOF	L04_Internal_Validation.R
共享特征的RF/XGBoost/SVM与SHAP	L05_ML_Comparison_SHAP.R
第5课集中纠错、Kappa冻结与留出对照	L06_Data_Audit_T0_Correction.R
单变量整体LRT与AIC机制展示	Teacher_Selection_Demonstrations.R
冻结系数列线图及验证	Export_Classroom_Artifacts.R、Validate_Review_Run.R、Check_Separation.py
Python完整统计主链快速展示	Export_Python_Raw.R、Python_Statistical_Workflow.py

Python演示保留原始缺失与固定成员，在各训练范围独立筛查、插补和选择lambda.min，再按原始变量拟合普通Logistic，训练OOF最大Kappa阈值冻结后用于测试。使用scikit-learn 1.9的SAGA，与R glmnet内层实现不同，不要求数值完全一致；R维护正式四模型比较。完整脚本课前预跑，最后一课仅快速展示数据→描述→筛选→拟合→评价，课后可依据代码与浓缩讲义复现。

All111是异常教学反例；Corrected执行已确认的时间、稀疏/零格、无变异和极低观测比例筛查。旧版T0_102不是最终纠正版。不要用已全训练插补的矩阵做CV，不从测试选变量、调参或选阈值。具体统计边界见教学契约。

通用技术Demo与原有代码片段

以下Demo_R_Project及其数值属于独立技术示范，保留作为片段查阅；本节默认值不覆盖上面的主案例配置。

本章解决什么问题：候选变量集已定、训练集已冻结之后，如何在训练集内做一次有纪律的变量筛选，并把筛选结果变成一个可解释、可报告、可画 Nomogram 的模型。主线只有一条：LASSO（Least Absolute Shrinkage and Selection Operator）选出非零 dummy → 映射回原始变量 → 无惩罚 Logistic 回归（Logistic Regression）重新拟合 → 报告 OR（Odds Ratio，比值比）与 95% CI（Confidence Interval，置信区间）→ 画 Nomogram。

本章定位： 本章精讲 Demo 脚本 Demo_R_Project/R/03_lasso_logistic_nomogram.R，回答三件事：LASSO 筛选的每一环在做什么、怎么让 Agent 原样运行它、运行后拿哪些数字核对。示例为技术 Demo：MASS::Pima.tr2（R Recommended package 直接加载，n = 300、事件 106，见 Demo_R_Project/results/run_summary.md），只用于演示代码与产物，不是第三个正式教学 Case——正式教学数据只有 Myocardial Infarction Complication（直播主案例）与 Early Stage Diabetes Risk Prediction（Mini Project），Demo 数字不进入任何正式教学口径。logit、OR、参照组等概念本身见讲义 Logistic 候选模型，本章只给最小提示，重心在代码与产物。

什么时候用

适合用本章流程的场景：

• 候选变量相对事件数偏多、参数预算紧张（EPV，events per variable，每变量事件数不足），希望自动收缩而不是逐个凭 P 值取舍；
• 需要一个透明、可解释、可审计的主线模型：筛选规则固定，能在交叉验证（CV，Cross-Validation）的每个训练折内被原样复制；
• 变量中混有连续量与分类量，需要”dummy 级筛选、变量级报告”的规范映射。

不适合、请换章节的情况：

• 候选变量很少且事件充足——直接按预设变量集拟合即可，筛选反而引入数据驱动的不稳定（讲义 Logistic 候选模型 的对照讨论）；
• 目标是纯预测性能、可接受黑箱——见第 5 章机器学习比较；
• 想回答”这个模型好不好”——见第 4 章内部验证。本章产物是一个开发完毕的模型，本身不带任何性能证据。

输入与输出

输入（全部来自前序章节与单一配置源）

输入	说明
Demo_R_Project/data/derived/cohort_clean.csv	清理后队列（第 2 章产物）
Demo_R_Project/results/tables/split_manifest.csv	划分成员表；本章只读取 split == "train" 的行（Demo 实跑：train n = 211、事件 75）
Demo_R_Project/config/config.R	预测变量集合、结局 type 与正类 Yes、种子、lasso_lambda = "lambda.min"、inner_folds = 5

输出（全部在训练集范围内生成）

产物	内容
results/tables/lasso_coefficients.csv	全部 9 个 dummy 的 LASSO 惩罚系数（含被压到 0 的），仅用于筛选
results/tables/lasso_selected_terms.csv	入选 dummy 清单（7 行）
results/tables/lasso_selected_variables.csv	dummy → 原始变量映射表（7 个变量）
results/tables/logistic_or_ci.csv	重拟合模型的 log(OR)、OR、95% CI、P 值（9 行，含截距）
results/figures/lasso_path.png / lasso_cv.png	LASSO 系数路径图与交叉验证曲线
results/figures/logistic_or_forest.png / nomogram.png	OR 森林图与 Nomogram
results/models/lasso_mainline.rds	训练集预处理对象 + 入选变量 + lambda + 最终 glm（供第 5 章锁定复用）
results/book_fragments/ch03_lasso_summary.md / ch03_logistic_summary.md	供教材引用的结果片段（本章”实际运行结果”一节直接 include）

每个产物都登记在 results/artifact_manifest.csv，可追溯生成脚本、来源数据与分析范围（training set）。

脚本与产物

唯一脚本：Demo_R_Project/R/03_lasso_logistic_nomogram.R（约 220 行），由 run_all.R 统一调度，也可在 Demo_R_Project 根目录单独执行 Rscript R/03_lasso_logistic_nomogram.R。六个工序依次是：

1. 读取队列与成员表，只保留训练集行；
2. 训练集预处理：中位数/众数插补、因子编码，参数只在训练集学习；
3. cv.glmnet 做 LASSO，按配置取 lambda.min；
4. 非零 dummy 映射回原始变量；
5. 用入选原始变量重拟合无惩罚 glm，计算 OR 与 95% CI；
6. 出四张图与 Nomogram，写教材片段。

预处理函数 fit_preprocessor() / apply_preprocessor()、设计矩阵函数 build_design() 与映射函数 map_terms_to_variables() 统一定义在 Demo_R_Project/R/00_setup.R——一处定义、多章复用，这是折内口径一致性的代码保障。依赖 glmnet、rms、ggplot2 等（Demo 实跑 R 4.5.2、glmnet 4.1.10；完整版本见 results/logs/sessionInfo.txt）。

让 Agent 执行

让 Agent 运行本脚本，标准说法是给出脚本路径、运行目录、约束与验收数字。本脚本只做训练集内的筛选与拟合，不做性能评价、不碰测试集。

让 Agent 运行本章脚本并核对产物。替换方括号后整体复制发送；完整版 Prompt 见 prompts/03_LASSO与Logistic.md。

【背景】我在做一个二分类预测模型项目。数据已完成清理与训练/留出测试划分，
有 split 成员表；预测变量集合、结局、正类、种子、lambda 规则集中在配置文件。
【当前任务】在 Demo_R_Project 根目录运行：Rscript R/03_lasso_logistic_nomogram.R
只做训练集内的 LASSO 变量筛选、原始变量映射、无惩罚 Logistic 重拟合、OR/CI 与 Nomogram。
先检查输入并给出简要计划，然后继续执行指定任务；不要在计划后等待用户再次确认。
只有输入冲突、字典冲突、必须改变方法或命中暂停条件时停止。
【约束】1. 原样运行，不改代码、种子、折数与 lambda 规则；
2. 只用 split == "train" 的行；插补/编码/标准化参数只在训练集学习；
3. LASSO 惩罚系数只用于筛选；最终效应量必须来自无惩罚 glm 重拟合，
   不得按 P 值对入选变量二次增删；
4. 不做单变量筛选或 Stepwise，更不允许把它们的入选变量与 LASSO 结果合并；
5. 结果数字以实际运行输出为准，不得凭记忆填写。
【输出要求】报告 4 张 CSV、4 张 PNG、lasso_mainline.rds 与两个 book fragment 的完整路径。
【验收】逐项报告：lambda.min；设计矩阵 dummy 总数、入选 dummy 数、映射回原始变量数、
最终系数数（含截距）；入选变量名单；CI 方法；glm 收敛与分离标志。
【暂停条件】LASSO 无入选变量、glm 不收敛或出现分离警告、CI 非有限——
任一发生即停止并报告证据，不自行换方法。

运行成功后进入核对关口：按下文”验收清单”逐项对数。若数字不符，让 Agent 先贴证据（控制台输出、文件内容）再提修改，修改仅限环境与路径——不允许以”修复”为名改种子、lambda 规则或变量名单。

核心实现

三个数不能混：dummy 数、原始变量数、系数数

本章最容易乱的是三个计数。设计矩阵的列（dummy）：连续变量各占一列，分类变量按非参照水平展开成多个 dummy；入选原始变量数：非零 dummy 映射回的变量个数；最终模型系数数：重拟合后公式里所有项（含截距、含分类变量的全部非参照水平）。本章实例是 9 个候选 dummy → 7 个入选 dummy → 7 个原始变量 → 9 个系数（含截距）——两个 7 是巧合，数的是三种不同的东西。核对任何产物前，先问”这个数在数什么”。

分类变量的保留规则必须钉死：任一非参照 dummy 入选，即保留整个原始变量。本例 bmi_cat 只有 bmi_ge30 的 dummy 入选，但重拟合时 bmi_cat 整体进入公式，两个非参照水平都会回到模型里——这保证编码结构与参照组不被筛选动作破坏。

LASSO：cv.glmnet 与 lambda.min

03_lasso_logistic_nomogram.R（摘录 1：设计矩阵与 cv.glmnet）

design <- build_design(train_imp, config$predictors)
X_train <- design$X
y_train <- train_imp$y
set.seed(config$seed)
cvfit <- glmnet::cv.glmnet(X_train, y_train, family = "binomial",
                           nfolds = config$inner_folds)
lambda_use <- cvfit[[config$lasso_lambda]]   # "lambda.min"
if (!is.finite(lambda_use)) stop("cv.glmnet returned non-finite ", config$lasso_lambda)
coef_mat <- as.matrix(stats::coef(cvfit, s = config$lasso_lambda))

三个细节。第一，glmnet 只接受数值矩阵，build_design() 用 model.matrix 展开因子、去掉截距列，并保存”列 → 原始变量”的映射 col_var——后面的变量映射全靠这张表；第二，种子与折数（5 折）都来自单一配置源 config.R，脚本里没有第二份；第三，lambda 规则锁定为 lambda.min，它不是”试到结果好看为止”的旋钮——要换 lambda.1se，改配置、留记录、全链条重跑。

从 dummy 回到原始变量

03_lasso_logistic_nomogram.R（摘录 2：非零 dummy 判定与变量映射）

coef_df$variable <- unname(design$col_var[coef_df$term])
coef_df$selected <- abs(coef_df$coefficient) > .Machine$double.eps

sel_terms_df <- coef_df[coef_df$selected, , drop = FALSE]
if (nrow(sel_terms_df) == 0L)
  stop("LASSO selected no variables at ", config$lasso_lambda,
       "; aborting (no silent fallback allowed).")
selected_vars <- map_terms_to_variables(sel_terms_df$term, design$col_var)
n_sel_dummies <- nrow(sel_terms_df)
n_sel_vars <- length(selected_vars)

入选判定用数值非零（.Machine$double.eps），不是”系数看起来很小就算剔除”。映射函数本身只有一行核心逻辑，定义在 00_setup.R：

00_setup.R（map_terms_to_variables 定义）

map_terms_to_variables <- function(selected_terms, col_var) {
  unique(unname(col_var[selected_terms]))
}

lasso_selected_variables.csv 落盘的就是这张映射表（每个变量带了哪些入选 dummy）。注意脚本的硬闸门：LASSO 一个变量都没选出来时直接停止，而不是”换个 lambda 再试试”——零入选是数据与方法的结论，需要人来决策，不是脚本静默绕过的理由。

Logistic 必须重新拟合

重要为什么不能用 LASSO 惩罚系数报告 OR

LASSO 的系数被人为向 0 收缩，是有偏估计，也没有可用的标准误、P 值与置信区间——它唯一的合法用途是筛选。要报告效应量（OR 与 CI），必须用入选变量重新拟合无惩罚的 glm，让估计与推断都回到标准 Logistic 框架。直接把惩罚系数取指数当 OR 报告，是本章最常见的硬伤。

03_lasso_logistic_nomogram.R（摘录 3：glm 重拟合与收敛/分离闸门）

fml <- stats::as.formula(paste("y ~", paste(selected_vars, collapse = " + ")))
separation_flag <- FALSE
glm_warnings <- character()
fit_glm <- withCallingHandlers(
  stats::glm(fml, data = train_imp, family = stats::binomial),
  warning = function(w) {
    glm_warnings <<- c(glm_warnings, conditionMessage(w))
    if (grepl("fitted probabilities numerically 0 or 1", conditionMessage(w)))
      separation_flag <<- TRUE
    invokeRestart("muffleWarning")
  })
if (length(glm_warnings) > 0L)
  log_msg("03 glm warnings: ", paste(glm_warnings, collapse = " || "))
if (!fit_glm$converged) stop("Final logistic model did not converge; aborting.")
if (separation_flag) stop("Separation detected in final logistic model; aborting (no silent method switch).")

公式由入选原始变量拼成（y ~ npreg + glu + bp + bmi + ped + age + bmi_cat），bmi_cat 作为因子整体进入，R 自动按参照水平展开 dummy。withCallingHandlers 把拟合中的警告拦截下来检查：不收敛或出现分离（fitted probabilities numerically 0 or 1）即停止并报告——不静默换 Firth、不悄悄删变量，换方法属于设计变更，必须先记录再决策。

OR 与 95% CI：profile likelihood 优先

03_lasso_logistic_nomogram.R（摘录 4：CI 计算与方法记录）

ci_method <- "profile_likelihood"
ci_mat <- tryCatch(suppressMessages(stats::confint(fit_glm)),
                   error = function(e) NULL)
if (is.null(ci_mat) || any(!is.finite(ci_mat))) {
  ci_method <- "wald"
  ci_mat <- stats::confint.default(fit_glm)
}
if (any(!is.finite(ci_mat)))
  stop("Non-finite confidence interval in final logistic model; aborting.")

confint() 默认给出 profile likelihood（轮廓似然）区间，在系数较大或样本不富裕时比 Wald 区间更稳；只有它失败才回退 Wald，并把实际方法写进 logistic_or_ci.csv 的 ci_method 列。核对产物时这一列必须是 profile_likelihood；CI 出现非有限值同样直接停止。

Nomogram：表达工具，不是验证证据

03_lasso_logistic_nomogram.R（摘录 5：rms Nomogram）

dd <- rms::datadist(train_imp)
old_dd <- getOption("datadist")
options(datadist = "dd")
fit_lrm <- rms::lrm(fml, data = train_imp, x = TRUE, y = TRUE)
nom <- rms::nomogram(fit_lrm, fun = stats::plogis, fun.at = seq(0.1, 0.9, 0.1),
                     lp = FALSE, funlabel = "P(type = Yes)")

rms::lrm() 用同一公式、同一数据重拟合（与 glm 结果一致，只是换成 rms 体系），datadist 提供变量分布摘要，fun = plogis 把总分映射回预测概率 P(type = Yes)。Nomogram 的价值是把模型变成一张可读、可手工打分的图；它不提供任何性能证据——模型好不好，是第 4 章内部验证回答的问题。

单变量筛选与 Stepwise：只作方法对照，不回流主模型

警告筛选纪律：一条主线，不接受混合名单

单变量 P 值筛选、Stepwise 与 LASSO 是三条常见筛选路线，它们在同一批数据上常给出不同名单——这种不一致本身就是数据驱动筛选不稳定的证据（对照讨论见讲义 Logistic 候选模型）。本代码库的纪律：

• 主线只有 LASSO 一条链，入选集合以 lambda.min 处的非零 dummy 为准；
• 单变量筛选与 Stepwise 的结果至多作为方法对照出现在讨论中，本章不提供对照实现；
• 不得把对照路线的入选变量与 LASSO 结果求并集或交集；
• 任何对照路线选出的变量都不得回流主模型。

理由有三：多重数据驱动选择会放大过拟合且无法审计；一条链才能在每个 CV 折内被完整复制（第 4 章逐折重做 LASSO，对照路线做不到同步复制）；混合名单无法回答”这个变量是哪条规则放进来的”。想比较三条路线的结论差异，去读讲义；想让模型可审计、可复现，守住这一条链。

实际运行结果

以下数字全部由 R/03_lasso_logistic_nomogram.R 在 Demo 训练集（n = 211、事件 75）上真实运行生成并冻结；重跑 Demo 时若与这些数字不符，先按”验收清单”排查，不要默认”差不多就行”。

LASSO 筛选结果

LASSO 变量筛选摘要 · 本片段由 Demo 脚本自动生成，供教材引用

• 设计矩阵 dummy 总数：9（含 bmi_cat 的非参照水平）。
• cv.glmnet（family = binomial，5 折）选择 lambda.min = 0.0144691。
• 入选 dummy 数：7；映射回原始变量数：7；最终 Logistic 系数数（含截距）：9。
• 入选原始变量：npreg、glu、bp、bmi、ped、age、bmi_cat。
• 说明：LASSO 惩罚系数仅用于筛选；最终效应量来自无惩罚 glm 重拟合。

图 3.1 展示每个 dummy 的惩罚系数随 log(lambda) 收缩的路径，虚线位于 log(lambda.min)；图 3.2 是 cv.glmnet 的 5 折交叉验证曲线，二项偏差的最低点对应 lambda.min = 0.0144691。

图 3.1: LASSO 系数路径图：每个 dummy 的惩罚系数随 log(lambda) 收缩，虚线位于 log(lambda.min)（Demo 训练集实跑）

图 3.2: cv.glmnet 交叉验证曲线：二项偏差随 log(lambda) 变化，最低点即 lambda.min（5 折，Demo 训练集实跑）

最终 Logistic 模型

最终 Logistic 模型 · 本片段由 Demo 脚本自动生成，供教材引用

无惩罚 glm 重拟合（LASSO 仅用于筛选）。CI 方法：profile_likelihood。

项	log(OR)	OR	95% CI	P 值
(Intercept)	-7.9811	0.000	0.000-0.008	0.0000
npreg	0.1632	1.177	1.037-1.346	0.0138
glu	0.0352	1.036	1.023-1.051	0.0000
bp	-0.0210	0.979	0.944-1.015	0.2480
bmi	0.0564	1.058	0.963-1.165	0.2413
ped	1.5766	4.839	1.259-20.001	0.0246
age	0.0189	1.019	0.977-1.063	0.3751
bmi_catbmi_25_29	-0.0861	0.918	0.190-5.298	0.9172
bmi_catbmi_ge30	0.8059	2.239	0.380-15.456	0.3862

• 模型收敛：TRUE；分离警告：FALSE。

图 3.3 把上表画成森林图：log 刻度，误差线为 profile likelihood 95% CI，横线跨过 1 表示方向不确定。图 3.4 是基于同一模型画出的 Nomogram。

图 3.3: 最终 Logistic 模型的 OR 森林图：x 轴为 log 刻度，误差线为 profile likelihood 95% CI；横线跨过 1 表示方向不确定（Demo 训练集实跑）

图 3.4: 基于重拟合 Logistic 模型的 Nomogram：各变量在 Points 轴读分，加总为 Total Points 后映射到 P(type = Yes)（Demo 训练集实跑）

结果怎么读

• 三个数的实际口径：候选 9 个 dummy（7 个连续变量 + bmi_cat 的 2 个非参照水平）→ lambda.min = 0.0144691 处 7 个非零 dummy（skin 与 bmi_catbmi_25_29 被压到 0）→ 7 个原始变量（skin 整体出局；bmi_cat 凭 bmi_ge30 一个 dummy 按规则保留）→ 重拟合 9 个系数（截距 + 6 个连续变量 + bmi_cat 的 2 个水平）。lasso_coefficients.csv 里 skin 的系数是 0、selected = FALSE，这就是”被剔除”的落盘形态。
• OR 表读法：glu OR = 1.036（1.023–1.051）、npreg OR = 1.177（1.037–1.346）、ped OR = 4.839（1.259–20.001，区间很宽）有统计学关联；bp、bmi、age 的区间跨过 1——它们留在模型里是因为 LASSO 选了它们，预测模型的变量去留由筛选规则决定，不按 P 值二次筛选。bmi_cat 两个水平区间很宽，反映分组后格子样本有限，不作临床解释。
• 图读法：路径图看”谁先被压到 0”；CV 曲线看最低点位置；森林图看区间与 1 的关系；Nomogram 按各变量读 Points、加总、映射概率。
• Demo 数字的边界：bmi_cat 是技术演示派生变量，其分组切点是演示用固定规则，不解释为临床阈值；本页所有数字只用于复跑核对，不得外推为任何人群的风险证据。

验收清单

运行成功后按此表逐项核对（参考值为 Demo 实跑结果，出自 fragment 与 CSV）：

核对项	参考值	不对时怀疑什么
lambda.min	0.0144691	种子或折数被改；glmnet 版本差异
设计矩阵 dummy 总数	9	因子水平变化；bmi_cat 没建成 3 水平
入选 dummy 数	7	lambda 规则被换成 lambda.1se
入选原始变量数与名单	7：npreg、glu、bp、bmi、ped、age、bmi_cat（无 skin）	dummy → 变量映射丢失；把 dummy 数当变量数
最终系数数（含截距）	9	按入选 dummy 重拟合（bmi_cat 只剩一个水平，编码结构被破坏）
CI 方法	profile_likelihood（查 ci_method 列）	回退到了 Wald，需查原因
收敛与分离	收敛 TRUE、分离警告 FALSE	数据或编码异常
产物齐全	4 表 + 4 图 + lasso_mainline.rds + 2 个 fragment	路径或权限问题；脚本未跑完

常见错误

1. 拿 LASSO 惩罚系数直接算 OR 报告。 惩罚系数有偏、无正式推断，只能用于筛选；效应量一律来自无惩罚 glm 重拟合。
2. 按入选 dummy 重拟合。 症状：bmi_cat 只剩 bmi_ge30 一个水平，系数数对不上。正确做法是按原始变量重拟合，让分类变量所有非参照水平回到模型。
3. 报告”入选 9 个变量”。 把 dummy 数当变量数；本章口径是 9 dummy → 7 变量 → 9 系数。
4. 按 P 值删掉 bp、bmi、age。 这是对入选集合的二次数据驱动筛选；变量去留在 LASSO 一步已经完成。
5. 让 glmnet 直接吃因子列。 glmnet 需要数值设计矩阵；必须先 model.matrix 展开并保留 col_var 映射，否则无法回到原始变量。
6. 临时把 lambda.min 换成 lambda.1se“让模型更简洁”。 规则在 config.R 锁定；要改就改配置、留记录、全链条重跑。
7. 用全队列（含测试集）跑 LASSO。 这是泄漏；本章脚本只读 split == "train" 的行，测试集直到第 5 章锁定后才被读取一次。
8. 把 Nomogram 当模型好用的证据。 它是表达工具；性能证据只能来自第 4 章的折外预测与第 5 章的留出测试。
9. 把单变量显著而 LASSO 未选的变量”补回来”。 对照路线不回流主模型（见上节纪律）。
10. 分离警告后静默换方法。 脚本的设计是停止并报告；Firth、删变量、并格子都属于设计变更，先记录再决策。

复用时替换什么

• 数据与结局：换 config.R 的 dataset、outcome、positive_class，并保证第 1、2 章产物（清理队列、成员表）已按新数据生成；
• 预测变量集合与类型：predictors_numeric / predictor_factor；bmi_cat 是技术演示派生变量，正式项目里替换或删除其派生规则（bmi_cat_breaks / bmi_cat_labels）；
• 预处理细节：00_setup.R 的 fit_preprocessor() / apply_preprocessor()（插补值与因子水平规则）；
• lambda 规则与折数：lasso_lambda、inner_folds；
• Nomogram 标签：funlabel、fun.at；
• 换正式案例（Myocardial Infarction Complication 或 Early Stage Diabetes Risk Prediction，见 ../../04_Cases/）后必须整条 run_all.R 重跑，所有数字以新运行为准——Demo 数字只用于演示，不得沿用进正式案例。

相关资源

• 本章脚本：Demo_R_Project/R/03_lasso_logistic_nomogram.R；预处理与映射函数：Demo_R_Project/R/00_setup.R；参数单一来源：Demo_R_Project/config/config.R
• 产物登记与追溯：Demo_R_Project/results/artifact_manifest.csv；完整 Prompt：prompts/03_LASSO与Logistic.md
• 概念讲义：Logistic 候选模型（logit/OR/筛选路线对照）、模型评价与内部验证（下一步）
• Agent 协作：把任务交给 Agent、让 Agent 使用 R 与 Python
• 扩展阅读：glmnet 包 https://cran.r-project.org/package=glmnet；rms 包 https://cran.r-project.org/package=rms

提示下一步

进入第 4 章：把本章整条链（训练集预处理 → LASSO → 原始变量映射 → Logistic 重拟合）放进每个 outer 训练折内完整重跑，用折外（out-of-fold, OOF）预测计算 ROC、校准与 DCA——内部验证评价的是这套流程的期望表现，而不是这一个模型的表观分数。