Какой самый популярный loss в линейной регрессии

Самый популярный loss в линейной регрессии — Mean Squared Error (MSE). Он вычисляет среднее квадратов разностей между предсказанными и истинными значениями. MSE чувствителен к выбросам, но обеспечивает гладкую дифференцируемую функцию для оптимизации.

Формула:

MSE = (1/n) * Σ(y_true - y_pred)^2

Пример на Python:

from sklearn.metrics import mean_squared_error
y_true = [3, -0.5, 2, 7]
y_pred = [2.5, 0.0, 2, 8]
mse = mean_squared_error(y_true, y_pred)
print(mse)  # 0.375

Альтернативы:

• MAE (Mean Absolute Error) — менее чувствителен к выбросам.
• Huber Loss — комбинация MSE и MAE, устойчивая к выбросам.