在Keras中，Mean Absolute Error (MAE) 是一种常用的回归损失函数，它计算预测值与真实值之间的绝对误差的平均值[^1]。以下是如何在Keras模型中使用MAE的例子：
from keras.models import Sequential from keras.layers import Dense from keras.losses import mean_absolute_error # 创建一个简单的线性模型 model = Sequential() model.add(Dense(1, input_dim=1)) # 设置优化器和损失函数为<em>MAE</em> model.compile(optimizer='adam', loss=mean_absolute_error) # 假设我们有输入数据 `x` 和对应的标签 `y_true` x = ... # 输入特征 y_true = ... # 真实值 # 训练模型 model.fit(x, y_true, epochs=100) 讯享网
MAE的好处在于，相比于均方误差(MSE)，它对异常值更不敏感，因为它只关心预测值和真实值之间的绝对差异，而不是平方差。当数据中存在离群点时，MAE可能会给出更稳定的性能评估。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/170310.html