回归问题中如何更好地利用MAE和MSE提高模型性能?

对于回归问题,它的损失函数一般有MSE,MAE两种,


MSE对于偏离大的点惩罚较大,MAE对于偏离小的点惩罚较大,我们可以对具有异常点的数据做回归,结果如下图:

回归问题中如何更好地利用MAE和MSE提高模型性能?回归问题中如何更好地利用MAE和MSE提高模型性能?

可以看到MSE对偏离大的点重点惩罚,曲线也就偏向异常点了,而MAE则几乎无视了异常点。


在现实问题中,将数据剔除异常点后,往往模型对两端极值(极小值和极大值)的拟合不好,也就是偏离的大,那么我们可以认为MSE对于两端极值的预测较为准确,而MAE则对于中间的预测更为准确,所以将模型分别用MAE和MSE训练,然后加权融合,往往能够提高模型的性能。

版权声明

本文仅代表作者观点,不代表本站立场。
本文系作者授权发表,未经许可,不得转载。

评论