平均绝对误差MAE（L1）、均方误差MSE（L2）、均方根误差RMSE 作者：马育民 • 2019-08-08 21:52 • 阅读：11333 # 平均绝对误差MAE（L1） 平均绝对误差，mean absolute error，缩写MAE，在损失函数中称为：L1损失函数 **绝对误差 的 平均值** 是原始数据中y对应的量纲 ### 优点 受异常值的影响最小 ### 缺点 梯度始终相同 为解决此问题，在损失值减小时，也要降低学习率 ### 公式 [](/upload/0/0/1EF5bbOCL2Ob.png) # 均方误差MSE（L2） 均方误差，mean-squared error，缩写mse，在损失函数中称为：L2损失函数 是反映 **估计量** 与 **真实值** 之间差异程度的一种度量 **值越小** 说明预测模型 **越准确** ### 公式 [](https://www.malaoshi.top/upload/0/0/1EF3qUjmn9To.png) 说明： - observed：真实值 - predicted：估计量 ### 例子 假设我们有1000例 **父母平均身高** 和 **孩子身高**，通过线性回归预测， 估算出 **孩子身高**，如下： | |父母平均身高 |孩子身高 |估计孩子身高| |-------| ------------ | ------------ |------------ | |样本1|1.67 |1.7 |1.735| |样本2|1.68 |1.8 |1.74| |样本3|1.69 |1.72 |1.745| |样本m|1.7 |1.73 |1.75| **运算过程：** [](https://www.malaoshi.top/upload/0/0/1EF3qUrEjyI0.png) ### 缺点 1. 结果与原始数据不是一个量纲 2. 出现异常点时，导致误差非常大，因为计算了平方 # 均方根误差RMSE 均方根误差 RMSE，root mean squared error，缩写RMSD 测量误差的平均大小 是原始数据中y对应的量纲 公式：[](https://www.malaoshi.top/upload/0/0/1EF5bbNqX3jY.png) ### 缺点 受异常值的影响 比MSE（L2）小，比MSE大 原文出处：/show_1EF3qUrzFOH4.html