分类 - 修改后的 Huber 损失:它如何更能容忍异常值?

Posted

技术标签:

【中文标题】分类 - 修改后的 Huber 损失:它如何更能容忍异常值?【英文标题】:Classification - modified huber loss: how is it more tolerant to outliers? 【发布时间】:2018-05-22 19:57:53 【问题描述】:

根据 scikit-learn SGDClassifier documentation ,修改后的 Huber 损失函数可用于对异常值提供更高的容忍度。

看看成本函数的plot,看起来修改后的 Huber 是不是较少容忍?它似乎给 f(x)

【问题讨论】:

【参考方案1】:

这里的问题是 scikit-learn 文档没有说明我们应该将修改后的 Huber 对异常值的容忍度与哪个基线损失函数进行比较。

修改后的 Huber 损失源于 Huber 损失,用于回归问题。查看plot,我们看到 Huber 损失对异常值的容忍度高于平方损失。正如您所指出的,除了平方铰链损失之外,其他损失函数对异常值的容忍度要高得多。

【讨论】:

以上是关于分类 - 修改后的 Huber 损失:它如何更能容忍异常值?的主要内容,如果未能解决你的问题,请参考以下文章

Huber Loss

损失函数(loss function)

交叉熵损失函数修正Huber损失极大似然估计负对数似然似然与交叉熵KL散度

Huber Loss

损失函数(损失函数代价函数目标函数)​​​​​​​MSE0-1损失函数绝对误差损失函数分位数损失函数Huber损失函数感知损失函数Hinge损失函数指数损失函数对数损失函数

修改后的 PyTorch 损失函数 BCEWithLogitsLoss 返回 NaNs