李宏毅深度学习-task2

回归方程

损失函数（Loss function）

机器学习中的监督学习本质上是给定一系列训练样本，尝试学习映射关系，使得给定一个函数公式，即便这个样本不在训练样本中，也能够输出，尽量与真实的接近。损失函数是用来估量模型的输出与真实值之间的差距，给模型的优化指引方向

均方差损失（Mean Squared Error Loss）

均方差（Mean Squared Error，MSE）损失是机器学习、深度学习回归任务中最常用的一种损失函数，也称为 L2 Loss

平均绝对误差损失（Mean Absolute Error Loss）

平均绝对误差（Mean Absolute Error Loss，MAE）是另一类常用的损失函数，也称为L1 Loss。

Huber Loss

Huber Loss是一种将MSE与MAE结合起来，取两者优点的损失函数，也被称作Smooth Mean Absolute Error Loss 。其原理很简单，就是在误差接近0时使用MSE，误差较大时使用MAE

分位数损失（Quantile Loss）

分位数回归Quantile Regression是一类在实际应用中非常有用的回归算法，通常的回归算法是拟合目标值的期望（MSE）