損失関数のまとめ (Huber,Log-Cosh,Poisson,CustomLoss,MAE,MSE) - Qiita

目次## 平均絶対誤差 (MAE) 平均二乗誤差 (MSE) Huber損失 Log-cosh損失 Poisson損失 Hinge損失 Custom-Loss関数 間違いがあったら下のコメントか編集リクエストを頂けると有難いです。 平均絶対誤差 (MAE)## 引用元：https://heartbeat.fritz.ai/5-regression-loss-functions-all-machine-learners-should-know-4fb140e9d4b0 (上図はMAEの微分をプロットしている) 詳しくはMSEの項目で説明するが、MAEの一つの特徴として外れ値に寛容なことが言える。損失を二乗しないのでMSEのように外れ値のときの損失がそこまで大きくならないからだ。 MAEには損失関数の微分が常に一定になるという問題がある。これは損失がどのような値であっても同じスピードで損失を埋