MSE+MAE+MRE

MSE (Mean Squared Error)、MAE (Mean Absolute Error)和Huber Loss都是常用的损失函数，用于衡量模型的预测误差。

MSE是将预测值与真实值之间的差异平方后求平均，它对异常值更敏感，因为平方操作会放大异常值的影响。而MAE是将预测值与真实值之间的差异取绝对值后求平均，它对异常值不那么敏感，因为绝对值操作不会放大异常值。

MRE (Mean Relative Error)是另一种常用的误差指标，它衡量预测值与真实值的相对误差。MRE的计算方法是将预测值与真实值的差异除以真实值的绝对值后求平均。

如果我们想要权衡模型对异常值的处理和对预测值的准确性，可以使用Huber Loss。Huber Loss在预测误差较小的情况下使用MAE，在预测误差较大的情况下使用MSE，从而综合了二者的优点。