Elastic Net combina las penalizaciones de Lasso (L1) y Ridge (L2) en una sola función de pérdida, permitiendo tanto eliminar variables poco relevantes como reducir la magnitud general de los coeficientes restantes, balanceando ambos efectos según un parámetro ajustable.
Cuándo resulta especialmente útil
Es particularmente valioso cuando existen muchas variables correlacionadas entre sí: Lasso tiende a elegir arbitrariamente solo una de un grupo de variables correlacionadas, mientras que Elastic Net puede conservar varias de ellas de forma más equilibrada.