国内f型网页布局的网站,wap网站 链接微信,做网络竞拍的网站需要什么,wordpress 登录验证码1 Huber loss
1.1 介绍
Huber Loss是回归问题中的一种损失函数#xff0c;它结合了均方误差MSE和绝对误差MAE的特点。 Huber Loss在误差较小的时候是平方损失#xff0c;而在误差较大的时候是线性损失。因此#xff0c;它在处理有噪声的数据时#xff0c;尤其是存在离群点…1 Huber loss
1.1 介绍
Huber Loss是回归问题中的一种损失函数它结合了均方误差MSE和绝对误差MAE的特点。 Huber Loss在误差较小的时候是平方损失而在误差较大的时候是线性损失。因此它在处理有噪声的数据时尤其是存在离群点的情况下比MSE更加鲁棒。定义如下 δ是一个超参数上式等号右边第一项是 MSE 的部分[-δ,δ])第二项是 MAE 部分【(-∞,-δ)和(δ∞】
1.2 python实现 import numpy as npdef huber_loss(y_true, y_pred, delta1.0):计算Huber损失。参数:- y_true: 真实值- y_pred: 预测值- delta: 阈值返回:- Huber损失error y_true - y_predabs_error np.abs(error)# 计算两种损失quadratic_loss 0.5 * np.square(error)linear_loss delta * (abs_error - 0.5 * delta)# 根据误差的绝对值选择损失return np.where(abs_error delta, quadratic_loss, linear_loss)# 示例
y_true np.array([2.0, 2.5, 3.5])
y_pred np.array([2.5, 2.0, 2.0])
huber_loss(y_true, y_pred)2 Smooth L1 loss
