机器学习课程（第02期）：回归问题中的损失函数分析（L1、L2及Huber损失函数）

回归问题预测中的残差

• 预测残差（residual prediction）代表实际值与预测值之间的差异，并由以下公式表示：? = ? − ?1
• 通过将误差项（error term）进行平方处理（squaring），我们可以消除其原有的正负号影响（eliminate the influence of its sign）
• 在评估不同回归模型时，在线性回归中通常采用误差项的最小化来选择最优参数（In linear regression, parameters are typically selected to minimize error terms. The optimal model is identified as the one with the smallest residual sum of squares (RSS)).

L2损失函数：

在机器学习领域中，我们利用损失函数（loss function）来衡量样本真实值与模型预测值之间的预测结果差距。当采用残差平方作为损失函数时，则将其称为L2损失，并将其表示为：

![在这