一、损失函数
1、平均绝对误差损失函数(L1)
定义:预测值与目标前的绝对值的平均值
2、均方误差损失函数(L2)
定义:预测值与目标值的差的平方的平均值
loss = paddle.fluid.layers.square_error_cost(input, label)
paddle/fluid/layers/nn.py
3、平滑平均绝对误差函数(Huber)
定义:当预测值与目标值的差很大时,使用平均绝对误差;当预测值与目标值的差很小时,使用均方误差
4、双曲余弦损失函数(Log-Cosh)
5、分位数损失函数(Quantile)
定义:对预测值与目标值的差的正和负实施不同的惩罚