码迷,mamicode.com
首页 > 其他好文 > 详细

回归损失函数

时间:2019-11-09 19:29:01      阅读:102      评论:0      收藏:0      [点我收藏+]

标签:uber   ima   ber   mic   线性   file   hub   erro   strong   

技术图片技术图片1.均方误差(Mean Square Error / Quadratic Loss): 
技术图片
MSE保证没有特别异常的预测值,因为平方部分放大了这种误差。
 
2.平均绝对误差(Mean Absolute Error):
技术图片
MAE保证预测值在大多数情况下表现良好(不会刻意管异常值),因为所有的误差都按相同的线性比例加权。
 
3.Huber Loss:
技术图片
Huber Loss介于MSE和MAE之间,赋予异常值一些额外的权重但也不给太多。

回归损失函数

标签:uber   ima   ber   mic   线性   file   hub   erro   strong   

原文地址:https://www.cnblogs.com/hanasaki/p/11827245.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!