知识卡片
Huber兼顾平滑和离群点
Huber 损失在误差绝对值小于阈值时按平方增加,超过阈值后按线性增加。这样小残差处平滑,大残差的边际惩罚被限制。原书图中的公式是 Pseudo-Huber,它给出平滑近似,书中第三组绘图代码内层误用了第二组 δ,复现时需对齐每组值。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 深度神经网络 · 查看原书依据
它既保持了鲁棒性,同时还具备可微特性。
参考来源
- 位置:《机器学习观止:核心原理与实践》第12章《深度神经网络》(来源项目 book-source,`extracted/机器学习观止:核心原理与实践/_epub-src/OEBPS/Text/chapter12.xhtml`)。
- 结论依据:第 12.4.2 节用 MAE、MSE 和多个平滑阈值对比损失曲线。
- 原始内容:它既保持了鲁棒性,同时还具备可微特性。