最后我找到了答案。在弹性网络中，成本函数写为 $J(\theta)=MSE + r\alpha\sum_{i=1}^n \vert\theta_i \vert + \frac {1-r}{2}\alpha\sum_{1=1}^n \theta_i ^2$. 这里$r$是比率，$\alpha$是超参数和$n$是特征的数量。比率滑块控件$r$和$\alpha$滑块控制超参数的值。如果比$r=0$，则弹性网络回归等于岭回归。为了$r=1$，弹性网络回归等于 Lasso 回归。我希望这完美地回答了我提出的问题。我想从这篇文章的追随者那里得到评论。

如果滑块从 0 变为 1，则有一种可能性：