MAE(Mean Absolute Error)平均绝对误差
可以更好地反映预测值误差的实际情况。即 L1 loss
MSE(Mean Square Error)均方误差
MSE是真实值与预测值的差值的平方然后求和平均。
通过平方的形式便于求导,所以常被用作线性回归的损失函数,即L2 loss
可以反映算法的鲁棒性。
RMSE(Root Mean Square Error)均方根误差
衡量观测值与真实值之间的偏差。
常用来作为机器学习模型预测结果衡量的标准。----疑问 和MAE对比如何???
PSNR (Peak Signal to Noise Ratio)峰值信噪比
PSNR是一种评价图像的客观标准,具有一定的局限性。PSNR的数学表达式如下
SSIM(structural similarity index),结构相似性,
是一种衡量两幅图像相似度的指标。