y~x1+x2-1?

Да, или y~.-1

> f <- "~/Загрузки/Telegram Desktop/StatisticLogSession_1574848708307.txt"
> uchardet::detect_raw_enc(readBin(f, raw(), file.size(f)))
[1] "UTF-16"
> ced::ced_enc_detect(readBin(f, raw(), file.size(f)))
[1] "UTF-16LE"
> uchardet::detect_file_enc(f)
~/Загрузки/Telegram Desktop/StatisticLogSession_1574848708307.txt 
                                                         "UTF-16"

Спасибо огромное!

ответ получился другой, но все же не тот, что если бы вручную считать

А почему правильный ответ из 3 коэф., если фич 2?

А как вы вручную считали? Я тремя разными способами так и не смог получить ответ  0.17, 0.62, - 0.1

свободный член включается в модель: R = L(w1, w2, w0) +w1^2 + w2^2 + w0^2

решение вручную пришлю

опустил взятие производных *

Хм... насколько помню, intercept обычно не попадает под штраф - то есть регрессию делают через центр, а потом сдвиг добавляют. Плюс, обычно все переменные стандартизирует. А после подгонки регрессию возвращают к прежней шкале. Сейчас попробую ваш способ воспроизвести.

верно. вопрос в том, можно ли хитрым способ в функцию ridge это заложить

в sclearn например есть трюк

У вас первое уравнение не сходится к нулю: 10*.17 + 12*.62 + 12*(-.1) - 8 = -.06

Заложить просто, только лучше использовать glmnet:

library(glmnet)
train = data.frame(
    y =  c(0,1,0,3),
    x1 = c(0,1,2,3),
    x2 = c(3,2,1,0)
)
coef(glmnet(y = train$y, x = cbind(1, as.matrix(train[,-1])), alpha = 0, lambda = 1, standardize = FALSE, intercept = FALSE))
# 4 x 1 sparse Matrix of class "dgCMatrix"
#              s0
# (Intercept)  .        
#                      .        
# x1           0.5836637
# x2          -0.0193823

любопытно. большое спасибо за помощь

Вот идеально ваше решение:

train = data.frame(
    y =  c(0,1,0,3),
    x1 = c(0,1,2,3),
    x2 = c(3,2,1,0)
)
s_train = 
    rbind(
        cbind(train, intercept = 1),
        c(0, 1, 0, 0),
        c(0, 0, 1, 0),
        c(0, 0, 0, 1)
    )

summary(lm(y ~ . - 1, data = s_train))
# Coefficients:
#             Estimate Std. Error t value Pr(>|t|)
# x1          0.6245     0.3547   1.761    0.153
# x2         -0.1028     0.3547  -0.290    0.786
# intercept   0.1739     0.8211   0.212    0.843

Без lm.ridge - я не знаю, как он внтури устроен, чтобы его обманывать)

не сходится из за округления

полагаю