Huber Loss
Huber Loss 是一個用於迴歸問題的帶參損失函數, 優點是能增強平方誤差損失函數(MSE, mean square error)對離羣點的魯棒性。 當預測偏差小於 δ 時，它採用平方誤差, 當預測偏差大於 δ 時，採用的線性誤差。 相比於最小二乘的線性迴歸，HuberLoss降低了對離羣點的懲罰程度，所以 HuberLoss 是一種常用的魯棒的迴歸損失函數。 Huber Loss 定義如下:
相關文章
- 1. huber loss
- 2. Huber Loss
- 3. MAE、MSE、Huber loss詳解
- 4. 機器學習常用loss：L1 loss、L2 loss、smothL1 loss、huber loss
- 5. 迴歸損失函數2 ： HUber loss,Log Cosh Loss,以及 Quantile Loss
- 6. 迴歸損失函數 ： Huber Loss,Log Cosh Loss,Quantile Loss
- 7. 迴歸損失函數：L1，L2，Huber，Log-Cosh，Quantile Loss
- 8. 線性擬合——從最大似然估計到平方偏差到huber loss
- 9. deep learning loss總結
- 10. ML- error Loss Function
- 更多相關文章...
- • CAP理論是什麼？ - NoSQL教程
相關標籤/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。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. huber loss
- 2. Huber Loss
- 3. MAE、MSE、Huber loss詳解
- 4. 機器學習常用loss：L1 loss、L2 loss、smothL1 loss、huber loss
- 5. 迴歸損失函數2 ： HUber loss,Log Cosh Loss,以及 Quantile Loss
- 6. 迴歸損失函數 ： Huber Loss,Log Cosh Loss,Quantile Loss
- 7. 迴歸損失函數：L1，L2，Huber，Log-Cosh，Quantile Loss
- 8. 線性擬合——從最大似然估計到平方偏差到huber loss
- 9. deep learning loss總結
- 10. ML- error Loss Function