1
Amy 原创整理｜资料核验：2026-10-31
【scikit-learn文档事实】ElasticNet是结合L1与L2惩罚的线性回归。alpha乘在惩罚项上；l1_ratio介于0和1之间，用来决定混合比例：等于1时是L1，等于0时是L2，中间值同时包含两者。
容易混淆的是跨软件迁移：文档说明，scikit-learn的l1_ratio对应R包glmnet中的alpha，而这里的alpha对应glmnet的lambda。名称相同并不表示含义相同。
【教学示例】把l1_ratio从0.2改到0.8，是改变两种惩罚的相对占比；不能直接描述成“总正则化强度变成四倍”。这只是解释参数的示例，不是推荐值。
【Amy建议】抄实验配置时同时保存库名、版本和参数含义，先确认目标函数再比较分数。选择参数仍应基于预先安排的验证流程，而不是见到系数变小就认定模型更好。
官方来源：
https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.ElasticNet.html