回归问题预测中的残差
• 预测残差:真实值和预测值之间的差异: ? = ? − ?1
• 忽略预测残差的正负号:残差的平方:?**2
• 最佳模型:残差平方和(Residual Sum of Squares, RSS )最小
L2损失函数:
• 在机器学习中,我们用损失函数(loss function)度量样本真实值与模型预测值之间差异
• 当损失函数取残差平方时,我们称之为L2损失,记为:
•目标函数:最小训练集上的损失(经验风险最小)
• L2损失处处可导,优化计算方便(参见优化计算小节),但对噪声敏感
L1损失函数:
• 当损失函数取残差绝对值时