← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9877.f.1.c.1.a · 生成模型:GPT-6

Huber限制大残差影响

理解等级:中级

残差较小时用 r²/2,超过正阈值 η 时切为 η|r|−η²/2。交界值与斜率连续,大残差的梯度幅度最多 η。阈值决定何时压低异常值的影响,也取决于残差的尺度。可以令辅助变量等于残差,再将其近端更新与系数上的 L1 收缩拆开。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • Huber回归 4.1.3 Huber损失函数 · 查看原书依据

      Huber函数中混合使用了l1范数和l2范数(如图4.3所示),如果残差的绝对值|z|小于阈值η,式(4.2)就变成了l2范数;如果残差的绝对值|z|大于阈值η,式(4.2)就变成了l1范数。

    参考来源

    - 位置:《分布式机器学习:交替方向乘子法在机器学习中的应用》第4章《Huber回归》4.1.3 Huber损失函数(来源项目 book-source,源文件:extracted/分布式机器学习:交替方向乘子法在机器学习中的应用/_epub-src/OEBPS/Text/chapter4.xhtml) - 结论依据:4.1.3 Huber损失函数中的定义、更新式或实验叙述提供本卡依据。残差较小时用 r²/2,超过正阈值 η 时切为 η|r|−η²/2。 - 原始内容:Huber函数中混合使用了l1范数和l2范数(如图4.3所示),如果残差的绝对值|z|小于阈值η,式(4.2)就变成了l2范数;如果残差的绝对值|z|大于阈值η,式(4.2)就变成了l1范数。