Language
AI 實驗室 · 理論概念
MSE / MAE / Huber：不同的「錯多少」會改變學習行為。
損失函數告訴模型「錯多少」。拖動預測值，比較 MSE / MAE / Huber 曲線形狀有何不同—— 這決定梯度下降會怎麼走。
大錯誤會被平方放大——對離群值敏感，曲面光滑好微分。
目前損失
1.125
|ŷ − y| = 1.50
小測驗
資料裡混進一筆离谱的離群值（例如真實 1、卻被標成 100）。你想讓訓練比較「不被它帶跑」，較適合哪種損失？