L1 损失函数和 L2 损失函数

L1 和 L2 是机器学习中的两个损失函数，用于最小化误差。

L1 损失函数代表最小绝对偏差，也称为 LAD

L2 损失函数代表最小二乘误差，也称为 LS

一、L1 损失函数

L1损失函数用于最小化误差，该误差是真实值和预测值之间的所有绝对差之和。

二、L2 损失函数

L2损失函数用于最小化误差，该误差是真实值和预测值之间所有平方差的总和

三、如何确定L1 和 L2 损失函数

通常，在大多数情况下，首选L2损失函数。
但是，当异常值出现在数据集中时，则L2损失函数的效果将不佳。这种糟糕的性能背后的原因是，如果数据集具有异常值，则由于考虑了平方差，它会导致更大的误差。
因此，L2损失函数在这里没有用。此时首选L1损失函数，因为它不受异常值的影响，或删除异常值，然后使用L2损失函数。