在我们做机器学习的时候,经常要选择损失函数,常见的损失函数有两种:L1-norm loss function和L2-norm loss function。
需要注意的是,损失函数(loss function)和正则化(regularity)是两种不同的东西,虽然思路类似,但是他们却有着完全不同的作用和目的。本文主要讲损失函数。
L1和L2 损失函数定义
L1损失函数
使用L1损失函数也被叫做最小化绝对误差(Least Abosulote Error)。这个名称非常的形象。LAE就是最小化真实值 y i y_i yi和预测值 f ( x i ) f(x_i) f(xi)之间差值 D L 1 D_{L1} DL1的绝对值的和。
D L 1 = ∑ i = 1 n ∣ y i − f ( x i ) ∣ D_{L1} = \sum_{i=1}^{n}|y_i-f(x_i)| DL1