Huber Loss
Huber Loss 是一个用于回归问题的带参损失函数, 优点是能增强平方误差损失函数(MSE, mean square error)对离群点的鲁棒性。 当预测偏差小于 δ 时，它采用平方误差, 当预测偏差大于 δ 时，采用的线性误差。 相比于最小二乘的线性回归，HuberLoss降低了对离群点的惩罚程度，所以 HuberLoss 是一种常用的鲁棒的回归损失函数。 Huber Loss 定义如下:
相关文章
- 1. huber loss
- 2. Huber Loss
- 3. MAE、MSE、Huber loss详解
- 4. 机器学习常用loss：L1 loss、L2 loss、smothL1 loss、huber loss
- 5. 回归损失函数2 ： HUber loss,Log Cosh Loss,以及 Quantile Loss
- 6. 回归损失函数 ： Huber Loss,Log Cosh Loss,Quantile Loss
- 7. 回归损失函数：L1，L2，Huber，Log-Cosh，Quantile Loss
- 8. 线性拟合——从最大似然估计到平方偏差到huber loss
- 9. deep learning loss总结
- 10. ML- error Loss Function
- 更多相关文章...
- • CAP理论是什么？ - NoSQL教程
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. huber loss
- 2. Huber Loss
- 3. MAE、MSE、Huber loss详解
- 4. 机器学习常用loss：L1 loss、L2 loss、smothL1 loss、huber loss
- 5. 回归损失函数2 ： HUber loss,Log Cosh Loss,以及 Quantile Loss
- 6. 回归损失函数 ： Huber Loss,Log Cosh Loss,Quantile Loss
- 7. 回归损失函数：L1，L2，Huber，Log-Cosh，Quantile Loss
- 8. 线性拟合——从最大似然估计到平方偏差到huber loss
- 9. deep learning loss总结
- 10. ML- error Loss Function