机器学习中常用的5种回归损失函数

xiaoxiao_2446xuxu

于 2020-06-13 00:48:58 发布

阅读量348

点赞数

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/xiaoxiao_2446xuxu/article/details/105956601

版权

损失函数大致可分为两类：分类问题的损失函数和回归问题的损失函数。

1 均方误差

$MSE=\sum_{i=1}^{n}\left (y_{i}-y_{i}^p{} \right )^{2}$

均方误差(MSE)是最常用的回归损失函数，计算方法是求预测值与真实值之间距离的平方和，公式如图。

2 平均绝对误差（MAE）

是另一种用于回归模型的损失函数。MAE是目标值和预测值之差的绝对值之和。其只衡量了预测值误差的平均模长，而不考虑方向，取值范围也是从0到正无穷（如果考虑方向，则是残差/误差的总和——平均偏差（MBE））

$MAE=\sum_{i=1}^{n}\left \left |y_{i}-y_{i}^p{} \right \right |$

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。