请问L1损失函数的公式和对应的解释是什么?
时间: 2024-05-31 18:09:44 浏览: 168
深度学习损失函数原理解析(一) 深度学习原理.pdf
L1损失函数又叫绝对值损失函数,其公式为:
$ L_{1}(y, \hat{y}) = \sum_{i=1}^{n} |y_{i} - \hat{y}_{i}| $
其中 $y$ 为真实值,$\hat{y}$ 为预测值,$n$ 为样本数量。
L1损失函数的解释是,它是预测值与真实值差异的绝对值之和,用于度量模型的预测误差。相比于L2损失函数,L1损失函数更加关注预测误差较大的样本,因为它的梯度在误差较大的样本处比L2损失函数更大,从而更容易让模型在这些样本上进行调整。此外,L1损失函数对离群点也更加鲁棒,因为它不像L2损失函数那样对误差较大的样本惩罚过重。
阅读全文