深度学习的MSE和MAE是什么

MSE和MAE都是衡量模型预测误差的指标，其中MSE表示均方误差（Mean Squared Error），MAE表示平均绝对误差（Mean Absolute Error）。

MSE是将每个样本的预测值与真实值之差平方后求平均值得到的，因此MSE对误差较大的样本更加敏感。MSE的计算公式为：

MSE = 1/n * Σ(yi - y^i)²

其中n表示样本数量，yi表示第i个样本的真实值，y^i表示第i个样本的预测值。

MAE是将每个样本的预测值与真实值之差取绝对值后求平均值得到的，因此MAE对误差较小的样本更加敏感。MAE的计算公式为：

MAE = 1/n * Σ|yi - y^i|

同样，其中n表示样本数量，yi表示第i个样本的真实值，y^i表示第i个样本的预测值。