maxentで使われるRパッケージにENMevalがある。ENMevalのバックエンドにはmaxnetを使われていて、さらにmaxnetのバックエンドにはglmnetが使われている。
ENMevalには正則化に関わるパラメタrm（regularization multipier。maxnetでいうとregmultという引数のこと）があり、さらに、バックエンドのmaxnet内（より正確にはglmnet内）でもL１正則化に関わるパラメタlambdaがある（https://glmnet.stanford.edu/articles/glmnet.html）。そのlambdaはglmnet内でfeature typeごとに異なるlambdaが設定されている（らしい：which regularization multiplier was used?）。
要は、ENMevalの損失関数が、対数尤度関数 + rm * (feature typeごとに異なるlambda * 係数)という構造になっている（たぶん）。
rmもlambdaもハイパーパラメタなので、CVで適した値を決定しなくてはいけない。lambdaの方はglmnet内で10-fold CVで決めている（glmnet::glmnetの内部演算で使われているcv.glmnetのデフォのn_foldsが10なので）。んでデフォだと、200個のlambdaに対して10-fold CVっと。
rmの方はENMevalでCVの設定をすればよい。ただ、rmを複数検討する意義があまりつかめず。rmって罰則項全体にかかっているパラメタだし、広域探索を担当しているのだと思う。いくつかのデータで試してみたら、rm = 1の時点でlambdaのaucがほとんど改善されることはなかったしなあ。ひとまずrm = 1でええんとちゃうんかな。
