公式推导
SSE与SSELoss的差别
值得注意的是SSELoss的基本计算过程和SSE一致,只不过SSELoss中带入的是模型参数,而SSE带入的是确定参数值之后的计算结果,因此我们也可以认为对于SSELoss和SSE来说,一个是带参数的方程,一个 是确定方程参数之后的计算结果。
SSE是一种模型评估指标
SSELoss是一种损失函数
既然SSE和SSELoss的计算过程类似,那为何要区别损失函数和模型评估指标呢?主要有以下 几点原因: 其一:对于很多模型(尤其是分类模型)来说,模型评估指标和模型损失函数的计算过程并不一 致,例如准确率就很难转化为一个以参数为变量的函数表达式; 其二:模型评估指标和损失函数构建的目标不同,模型评估指标的计算目标是给模型性能一个标 量计算结果,而损失函数的构建则是为了找到一组最优的参数结果。
除了SSE以外,常用的回归类问题的评估指标还有MSE(均方误差)和RMSE(均方 根误差),其中MSE就是在SSE的基础上除以样本总量, 而RMSE则是在MSE基础之上开平方算得的结果,对应的,MSE和RMSE也有相对的损失函数。
python实现
或者直接调库函数