MSE與MAE的區別與選擇
1.均方誤差（也稱L2損失）
均方誤差(MSE)是最常用的回歸損失函數，計算方法是求預測值與真實值之間距離的平方和，公式如圖。
2.平均絕對值誤差（也稱L1損失）
平均絕對誤差（MAE）是另一種用於回歸模型的損失函數。MAE是目標值和預測值之差的絕對值之和。其只衡量了預測值誤差的平均模長，而不考慮方向，取值范圍也是從0到正無窮（如果考慮方向，則是殘差/誤差的總和——平均偏差（MBE））。
3.MSE（L2損失）與MAE（L1損失）的比較
簡單來說，MSE計算簡便，但MAE對異常點有更好的魯棒性。下面就來介紹導致二者差異的原因。
訓練一個機器學習模型時，我們的目標就是找到損失函數達到極小值的點。當預測值等於真實值時，這兩種函數都能達到最小。
下面是這兩種損失函數的python代碼。你可以自己編寫函數，也可以使用sklearn內置的函數。
下面讓我們觀察MAE和RMSE（即MSE的平方根，同MAE在同一量級中）在兩個例子中的計算結果。第一個例子中，預測值和真實值很接近，而且誤差的方差也較小。第二個例子中，因為存在一個異常點，而導致誤差非常大。
左圖：誤差比較接近 右圖：有一個誤差遠大於其他誤差
4.從圖中可以知道什么？應當如何選擇損失函數？
MSE對誤差取了平方（令e=真實值-預測值），因此若e>1，則MSE會進一步增大誤差。如果數據中存在異常點，那么e值就會很大，而e則會遠大於|e|。
因此，相對於使用MAE計算損失，使用MSE的模型會賦予異常點更大的權重。在第二個例子中，用RMSE計算損失的模型會以犧牲了其他樣本的誤差為代價，朝着減小異常點誤差的方向更新。然而這就會降低模型的整體性能。
如果訓練數據被異常點所污染，那么MAE損失就更好用（比如，在訓練數據中存在大量錯誤的反例和正例標記，但是在測試集中沒有這個問題）。
直觀上可以這樣理解：如果我們最小化MSE來對所有的樣本點只給出一個預測值，那么這個值一定是所有目標值的平均值。但如果是最小化MAE，那么這個值，則會是所有樣本點目標值的中位數。眾所周知，對異常值而言，中位數比均值更加魯棒，因此MAE對於異常值也比MSE更穩定。
然而MAE存在一個嚴重的問題（特別是對於神經網絡）：更新的梯度始終相同，也就是說，即使對於很小的損失值，梯度也很大。這樣不利於模型的學習。為了解決這個缺陷，我們可以使用變化的學習率，在損失接近最小值時降低學習率。
而MSE在這種情況下的表現就很好，即便使用固定的學習率也可以有效收斂。MSE損失的梯度隨損失增大而增大，而損失趨於0時則會減小。這使得在訓練結束時，使用MSE模型的結果會更精確。
5.根據不同情況選擇損失函數
如果異常點代表在商業中很重要的異常情況，並且需要被檢測出來，則應選用MSE損失函數。相反，如果只把異常值當作受損數據，則應選用MAE損失函數。
總而言之，處理異常點時，L1損失函數更穩定，但它的導數不連續，因此求解效率較低。L2損失函數對異常點更敏感，但通過令其導數為0，可以得到更穩定的封閉解。
二者兼有的問題是：在某些情況下，上述兩種損失函數都不能滿足需求。例如，若數據中90%的樣本對應的目標值為150，剩下10%在0到30之間。那么使用MAE作為損失函數的模型可能會忽視10%的異常點，而對所有樣本的預測值都為150。
這是因為模型會按中位數來預測。而使用MSE的模型則會給出很多介於0到30的預測值，因為模型會向異常點偏移。上述兩種結果在許多商業場景中都是不可取的。
這些情況下應該怎么辦呢？最簡單的辦法是對目標變量進行變換。而另一種辦法則是換一個損失函數。如Huber損失，Log-Cosh損失，分位數損失。
也有些時候可以將利用MAE與MSE訓練出的模型進行融合。