最近需要对LASSO方法进行数据分析，目前有一些问题，希望能解答，

set.seed(123)
fit.cv <- cv.glmnet(x = x,y = y,family='binomial',nfolds = 10,)#交叉验证
plot(fit.cv)
fit.cv$lambda.1se
fit.cv$lambda.min
g.coef <- coef(fit.cv,s = 'lambda.min')
g.coef <- coef(fit.cv,s = 'lambda.1se')
第一个是关于lambda.1se和lambda.min到底有什么区别呀，因为在lambda.1se的情况下一个变量也没有选择，而在 'lambda.1se'的情况下选择了几个变量，这时到底选哪个？
还有就是如果数据量比较小，不想分测试集和训练集，怎么输出混合矩阵和ROC，是使用predict 直接应用到原来的数据集吗
求大神帮助