一、均方误差(MSE)
MSE 计算模型的预测 Ŷ 与真实标签 Y 的接近程度,MSE 是 ML 回归模型(例如线性回归)中常用的统计度量和损失函数。
需要注意的是MSE与方差的计算公式比较相似,但它们的统计意义差别很大。
- 方差是计算一组数本身的离散程度,而所谓离散,是指每个数据和本组数据的平均值的距离(即差值),因此,方差越大,表示数据本身的离散程度越大。
- MSE处理的是回归模型对因变量的预测值,和实际观测的因变量数值的差异,数值大,意味着预测的值越不准确(因为预测值距离观测到的数值很远)。
二、平均绝对误差 (MAE)
MAE指的就是模型预测值 f(x) 与样本真实值 y 之间距离的平均值,是 ML 回归模型中另一种常用的统计度量和损失函数。
然而,MAE更新的梯度始终相同,即使对于很小的损失值,梯度也很大。这样不利于模型的学习。