我用R语言的glmnet包做Lasso回归，做的是二分类，代码如下：

g <- cv.glmnet(xd, yd,family="binomial",type.measure="auc", nfolds = 10)
g$lambda.1se #最佳lambda值
g.best <- g$glmnet.fit #对应的最佳模型
g.coef <- coef(g$glmnet.fit, s = g$lambda.1se) #系数
xishu<-as.matrix(g.coef[which(g.coef != 0)] )#选择的变量
fn<-feature_NUM[which(g.coef != 0)]




我用以上代码提取了模型中的变量与系数。算出了每个例子的分值score


然后用predict进行预测：
pre <-predict(g$glmnet.fit,newx=xd,s=g$lambda.1se, type='link')

这一句算出的结果，我一直以为就是score，但和score对比完全不同
（不过我知道，把这个向量作logit变换就是type='response'的结果，然后以0.5作截点分类就是type='class'的结果）
用这个预测向量去预测效果不错，但我并不知道用type='link'得到的这个向量和score有什么关系？
如果是没关系的，那么这个预测向量又是怎样算出来的呢？说明文档说是线性模型的预测值，不就应该是score吗？


恳请有相关经验的大神来解答一下这个疑问。