回归任务损失函数对比曲线

回归任务损失函数曲线可视化对比

本节将可视化对比均方误差（MSE）、平均绝对误差（MAE）、Huber损失函数三种常见回归任务损失函数的曲线，帮助理解它们在不同误差区间的表现差异。

1. 导入所需库

我们需要用到 numpy 进行数值计算，matplotlib 进行绘图。

import numpy as np
import matplotlib.pyplot as plt

2. 定义损失函数（MSE、MAE、Huber）

分别实现均方误差（MSE）、平均绝对误差（MAE）和Huber损失的Python函数。

def mse_loss(x):
    """均方误差"""
    return x ** 2
def mae_loss(x):
    """平均绝对误差"""
    return np.abs(x)
def huber_loss(x, delta=1.0): #delta阈值，控制损失函数从二次到线性切换的位置，常用1.0
    """Huber损失"""
    return np.where(np.abs(x)