В чем отличие между mean squared error и Huber loss функциями?

Основное отличие между функциями Mean Squared Error (MSE) и Huber Loss заключается в их свойствах и областях применения. vc.ru thetechthinker.com

MSE (Mean Squared Error) — стандарт по умолчанию, эквивалентна максимуму правдоподобия при нормальном шуме. vc.ru Имеет замкнутое решение (метод наименьших квадратов). vc.ru Среди плюсов — выпуклость, гладкость и дифференцируемость, что облегчает оптимизацию. vc.ru Однако у функции есть и минус: она чувствительна к выбросам (ошибки возводятся в квадрат). vc.ru MSE используют, когда данные «чистые», ошибки гауссовские и важна интерпретируемость. vc.ru

Huber Loss применяют, когда подозревают наличие выбросов, но хотят сохранить гладкость оптимизации. vc.ru Функция робастна к выбросам (линейная штраф за большие ошибки) и гибкая через параметр δ. vc.ru Среди минусов — необходимость настраивать δ (часто выбирают как процентиль ошибок) и отсутствие замкнутого решения. vc.ru

Таким образом, MSE больше подходит для ситуаций, где важны интерпретируемость и «чистые» данные, а Huber Loss — для случаев, когда есть подозрение на наличие выбросов, но необходимо сохранить гладкость оптимизации. vc.ru