python - L1 vs L2或MSE vs MAE和欧几里得范数..公式不同?为什么可以互换使用?
问题描述
我需要澄清一下 ML 中使用的损失函数。我们通常将 MAE 称为 L1 损失,将 MSE 称为 L2 损失或欧几里得范数......(公式在附图中提到)
L1 = sum (|x(true_label) - x(prediction)|)
和
L2 = sum ((x(true_label) - x(prediction)^2)
问题 #1:但混淆是,在 MAE 和 MSE 中,我们除以总类数 (n),而不是在 L1 和 L2 中?
MAE = (sum (|x(true_label) - x(prediction)|))
和
MSE = (sum ((x(true_label) - x(prediction)^2))
问题 #2:L2 损失也称为欧几里得范数。但是在欧几里得范数中,我们采用根,在 L2 中我们不采用根。
它们的公式彼此不同。请解释一下,为什么它们的名称可以像 L2 范数一样互换使用(欧几里得距离、均方误差(MSE)/最小二乘误差或岭算子)?
解决方案
推荐阅读
- ggplot2 - 如何使用值来创建堆叠条形图?
- angular - 我们如何绑定来自存储的数据,例如ngrx(Angular)
- python - 字节数组编码,数据歪曲
- javascript - 根据单击的按钮为模式中的输入提供一个值
- c# - 在response.redirect到相同的URL之后如何在asp.net标签中保留一个值
- mxgraph - 在 mxGraph 中移动组成元素上移动父顶点
- java - 对同一属性具有多个过滤器的 Mongo 查询不适用于 JAVA
- c# - 截图时驱动为空
- spring - 循环通道以更新标头丰富器以将文件放置在多个目标中
- python - ValueError:只能比较熊猫中标记相同的系列对象