【机器学习】鲁棒(健壮)回归-Huber损失(Huber Loss)

Huber损失是一种对异常值(outliers)具有鲁棒性的损失函数,它在处理回归问题时常用,结合了均方误差(MSE)的平滑性和平均绝对误差(MAE)的鲁棒性。

Huber损失通过引入一个阈值 来定义,当误差小于 时采用 MSE,当误差大于 时采用 MAE。


定义公式

Huber损失的数学表达式如下:

其中:

  • a = y - f(x) 是预测值 f(x) 和真实值 y 的残差。
  • 是用户定义的超参数,控制 MSE 和 MAE 的切换点。
特点
  1. 对于 :Huber损失是二次函数,类似 MSE,强调小残差的平滑优化。
  2. 对于 :Huber损失是线性函数,类似 MAE,减轻了离群点对损失值的影响。

Huber损失的梯度

  1. 小误差( **)**梯度为:

  2. 大误差() 梯度为:


优缺点

优点
  1. 对小误差采用 MSE,确保了模型的平滑性和稳定性。
  2. 对大误差采用 MAE,降低了离群点对整体模型的影响。
缺点
  1. 超参数 δ\deltaδ 的选择对模型性能影响较大,需要调优。
  2. 计算复杂度比单纯的 MSE 和 MAE 略高。

Python实现:Huber损失

以下是 Huber 损失的简单实现:

python 复制代码
import numpy as np
import matplotlib.pyplot as plt

# Huber损失函数
def huber_loss(y_true, y_pred, delta):
    error = y_true - y_pred
    loss = np.where(np.abs(error) <= delta,
                    0.5 * error**2,
                    delta * (np.abs(error) - 0.5 * delta))
    return loss

# 示例数据
y_true = np.array([1, 2, 3, 4, 5])
y_pred = np.array([1.1, 1.9, 3.5, 2.5, 10])
delta = 1.0

# 计算Huber损失
loss = huber_loss(y_true, y_pred, delta)
print("Huber损失:", loss)
print("总损失:", np.sum(loss))

# 可视化损失函数
errors = np.linspace(-5, 5, 100)
losses = huber_loss(0, errors, delta)

plt.plot(errors, losses, label="Huber Loss")
plt.axvline(x=delta, color="red", linestyle="--", label=f"Delta = {delta}")
plt.axvline(x=-delta, color="red", linestyle="--")
plt.title("Huber Loss Function")
plt.xlabel("Error")
plt.ylabel("Loss")
plt.legend()
plt.show()

输出结果

  • 打印每个数据点的 Huber 损失值和总损失。

    Matlab 复制代码
    Huber损失: [0.005 0.005 0.125 1.    4.5  ]
    总损失: 5.635
  • 图形显示 Huber 损失函数的形状,包括在 δ\deltaδ 附近的平滑过渡。


Huber损失的应用

  1. 回归模型优化: Huber损失常用于带有异常值的回归问题,尤其在训练时数据中包含离群点。

  2. 鲁棒优化

    • 在神经网络中作为损失函数,用于对异常样本具有鲁棒性的训练。
    • 替代 MSE 或 MAE,平衡两者的优缺点。
  3. 机器学习框架: 诸如 TensorFlow 和 PyTorch 等深度学习框架中,都提供了 Huber 损失的实现。


Huber损失的变体

  1. Pseudo-Huber损失: 一种平滑的近似版本,用于优化过程中避免梯度不连续的问题。公式为:

  2. 自适应Huber损失 : 动态调整 值,根据数据特性自适应地减少离群点的影响。

相关推荐
WWZZ20252 分钟前
视觉SLAM第10讲:后端2(滑动窗口与位子图优化)
c++·人工智能·后端·算法·ubuntu·机器人·自动驾驶
攻城狮7号25 分钟前
HunyuanVideo-Foley模型开源,让AI视频告别“默片时代”
人工智能·hunyuanvideo·foley·混元开源模型·ai音频
IT古董28 分钟前
【漫话机器学习系列】003.Agglomerative聚类
人工智能·算法·机器学习
Juchecar30 分钟前
一文讲清 torch、torch.nn、torch.nn.functional 及 nn.Module
人工智能
丁学文武43 分钟前
FlashAttention(V2)深度解析:从原理到工程实现
人工智能·深度学习·大模型应用·flashattention
大千AI助手43 分钟前
Dropout:深度学习中的随机丢弃正则化技术
人工智能·深度学习·神经网络·模型训练·dropout·正则化·过拟合
蚝油菜花1 小时前
万字深度解析Claude Code的hook系统:让AI编程更智能、更可控|上篇—详解篇
人工智能·ai编程·claude
AImatters1 小时前
2025 年PT展前瞻:人工智能+如何走进普通人的生活?
人工智能·ai·具身智能·智慧医疗·智慧出行·中国国际信息通信展览会·pt展
AI小书房1 小时前
【人工智能通识专栏】第十五讲:视频生成
人工智能
zzywxc7872 小时前
AI工具全景洞察:从智能编码到模型训练的全链路剖析
人工智能·spring·ios·prompt·ai编程