【机器学习】损失函数MAE
RMSE（均方根误差）、MSE（均方误差）、MAE（平均绝对误差）、SD（标准差）RMSE（Root Mean Square Error）均方根误差衡量观测值与真实值之间的偏差。常用来作为机器学习模型预测结果衡量的标准。MSE（Mean Square Error）均方误差MSE是真实值与预测值的差值的平方然后求和平均。通过平方的形式便于求导，所以常被用作线性回归的损失函数。...
·
RMSE（均方根误差）、MSE（均方误差）、MAE（平均绝对误差）、SD（标准差）
- RMSE（Root Mean Square Error）均方根误差
衡量观测值与真实值之间的偏差。
常用来作为机器学习模型预测结果衡量的标准。
- MSE（Mean Square Error）均方误差
MSE是真实值与预测值的差值的平方然后求和平均。
通过平方的形式便于求导，所以常被用作线性回归的损失函数。
- MAE（Mean Absolute Error）平均绝对误差
是绝对误差的平均值。
可以更好地反映预测值误差的实际情况。
- SD（Standard Deviation）标准差
方差的算术平均根。
用于衡量一组数值的离散程度。
问：
GBDT使用MSE作为损失函数，最后叶子的分数是均值
使用MAE呢？
魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。
更多推荐
3
0- 0
已为社区贡献19条内容
所有评论(0)