機器學習常用損失函數(shù)總覽：基本形式、原理、特點

點擊上方“小白學視覺”，選擇加"星標"或“置頂”

重磅干貨，第一時間送達

   

    

     

      本文轉自 | 視覺算法
     
    
   

機器學習中的監(jiān)督學習本質上是給定一系列訓練樣本   ，嘗試學習  的映射關系，使得給定一個   ，即便這個   不在訓練樣本中，也能夠得到盡量接近真實   的輸出   。

而損失函數(shù)（Loss Function）則是這個過程中關鍵的一個組成部分，用來衡量模型的輸出   與真實的   之間的差距，給模型的優(yōu)化指明方向。

本文將介紹機器學習、深度學習中分類與回歸常用的幾種損失函數(shù)，包括均方差損失 Mean Squared Loss、平均絕對誤差損失 Mean Absolute Error Loss、Huber Loss、分位數(shù)損失 Quantile Loss、交叉熵損失函數(shù) Cross Entropy Loss、Hinge 損失 Hinge Loss。

主要介紹各種損失函數(shù)的基本形式、原理、特點等方面。

目錄：

1. 前言
2. 均方差損失 Mean Squared Error Loss
3. 平均絕對誤差損失 Mean Absolute Error Loss
4. Huber Loss
5. 分位數(shù)損失 Quantile Loss
6. 交叉熵損失 Cross Entropy Loss
7. 合頁損失 Hinge Loss
8. 總結

01 前言

在正文開始之前，先說下關于 Loss Function、Cost Function 和 Objective Function 的區(qū)別和聯(lián)系。在機器學習的語境下這三個術語經(jīng)常被交叉使用。

• 損失函數(shù) Loss Function 通常是針對單個訓練樣本而言，給定一個模型輸出   和一個真實   ，損失函數(shù)輸出一個實值損失 

• 代價函數(shù) Cost Function 通常是針對整個訓練集（或者在使用 mini-batch gradient descent 時一個 mini-batch）的總損失 

• 目標函數(shù) Objective Function 是一個更通用的術語，表示任意希望被優(yōu)化的函數(shù)，用于機器學習領域和非機器學習領域（比如運籌優(yōu)化）

一句話總結三者的關系就是：A loss function is a part of a cost function which is a type of an objective function.

由于損失函數(shù)和代價函數(shù)只是在針對樣本集上有區(qū)別，因此在本文中統(tǒng)一使用了損失函數(shù)這個術語，但下文的相關公式實際上采用的是代價函數(shù) Cost Function 的形式，請讀者自行留意。

02 均方差損失Mean Squared Error Loss

基本形式與原理：

均方差 Mean Squared Error (MSE) 損失是機器學習、深度學習回歸任務中最常用的一種損失函數(shù)，也稱為 L2 Loss。其基本形式如下

從直覺上理解均方差損失，這個損失函數(shù)的最小值為 0（當預測等于真實值時），最大值為無窮大。下圖是對于真實值   ，不同的預測值   的均方差損失的變化圖。

橫軸是不同的預測值，縱軸是均方差損失，可以看到隨著預測與真實值絕對誤差   的增加，均方差損失呈二次方地增加。

背后的假設：

實際上在一定的假設下，我們可以使用最大化似然得到均方差損失的形式。假設模型預測與真實值之間的誤差服從標準高斯分布（   ），則給定一個  模型輸出真實值   的概率為

進一步我們假設數(shù)據(jù)集中 N 個樣本點之間相互獨立，則給定所有   輸出所有真實值   的概率，即似然 Likelihood，為所有   的累乘

通常為了計算方便，我們通常最大化對數(shù)似然 Log-Likelihood

去掉與   無關的第一項，然后轉化為最小化負對數(shù)似然 Negative Log-Likelihood

可以看到這個實際上就是均方差損失的形式。也就是說在模型輸出與真實值的誤差服從高斯分布的假設下，最小化均方差損失函數(shù)與極大似然估計本質上是一致的。

因此在這個假設能被滿足的場景中（比如回歸），均方差損失是一個很好的損失函數(shù)選擇；當這個假設沒能被滿足的場景中（比如分類），均方差損失不是一個好的選擇。

03 平均絕對誤差損失

基本形式與原理：

平均絕對誤差 Mean Absolute Error (MAE) 是另一類常用的損失函數(shù)，也稱為 L1 Loss。其基本形式如下

同樣的我們可以對這個損失函數(shù)進行可視化如下圖，MAE 損失的最小值為 0（當預測等于真實值時），最大值為無窮大?？?/span>以看到隨著預測與真實值絕對誤差   的增加，MAE 損失呈線性增長

背后的假設：

同樣的我們可以在一定的假設下通過最大化似然得到 MAE 損失的形式，假設模型預測與真實值之間的誤差服從拉普拉斯分布 Laplace distribution（   ），則給定一個   模型輸出真實值   的概率為

與上面推導 MSE 時類似，我們可以得到的負對數(shù)似然實際上就是 MAE 損失的形式

MAE 與 MSE 區(qū)別：

MAE 和 MSE 作為損失函數(shù)的主要區(qū)別是：MSE 損失相比 MAE 通?？梢愿斓厥諗浚?MAE 損失對于 outlier 更加健壯，即更加不易受到 outlier 影響。

MSE 通常比 MAE 可以更快地收斂。當使用梯度下降算法時，MSE 損失的梯度為   ，而 MAE 損失的梯度為   ，即 MSE 的梯度的 scale 會隨誤差大小變化，而 MAE 的梯度的 scale 則一直保持為 1，即便在絕對誤差   很小的時候 MAE 的梯度 scale 也同樣為 1，這實際上是非常不利于模型的訓練的。

當然你可以通過在訓練過程中動態(tài)調整學習率緩解這個問題，但是總的來說，損失函數(shù)梯度之間的差異導致了 MSE 在大部分時候比 MAE 收斂地更快。

這個也是 MSE 更為流行的原因。

MAE 對于 outlier 更加 robust。我們可以從兩個角度來理解這一點：

• 第一個角度是直觀地理解，下圖是 MAE 和 MSE 損失畫到同一張圖里面，由于MAE 損失與絕對誤差之間是線性關系，MSE 損失與誤差是平方關系，當誤差非常大的時候，MSE 損失會遠遠大于 MAE 損失。因此當數(shù)據(jù)中出現(xiàn)一個誤差非常大的 outlier 時，MSE 會產(chǎn)生一個非常大的損失，對模型的訓練會產(chǎn)生較大的影響。

第二個角度是從兩個損失函數(shù)的假設出發(fā)，MSE 假設了誤差服從高斯分布，MAE 假設了誤差服從拉普拉斯分布。拉普拉斯分布本身對于 outlier 更加 robust。

參考下圖（來源：Machine Learning: A Probabilistic Perspective 2.4.3 The Laplace distribution Figure 2.8），當右圖右側出現(xiàn)了 outliers 時，拉普拉斯分布相比高斯分布受到的影響要小很多。

因此以拉普拉斯分布為假設的 MAE 對 outlier 比高斯分布為假設的 MSE 更加 robust。

04 Huber Loss

上文我們分別介紹了 MSE 和 MAE 損失以及各自的優(yōu)缺點，MSE 損失收斂快但容易受 outlier 影響，MAE 對 outlier 更加健壯但是收斂慢，Huber Loss 則是一種將 MSE 與 MAE 結合起來，取兩者優(yōu)點的損失函數(shù)，也被稱作 Smooth Mean Absolute Error Loss 。

其原理很簡單，就是在誤差接近 0 時使用 MSE，誤差較大時使用 MAE，公式為

上式中   是 Huber Loss 的一個超參數(shù)，  的值是 MSE 和 MAE 兩個損失連接的位置。

上式等號右邊第一項是 MSE 的部分，第二項是 MAE 部分，在 MAE 的部分公式為   是為了保證誤差   時 MAE 和 MSE 的取值一致，進而保證 Huber Loss 損失連續(xù)可導。

下圖是   時的 Huber Loss，可以看到在   的區(qū)間內實際上就是 MSE 損失，在   和   區(qū)間內為 MAE損失。

Huber Loss 的特點：

Huber Loss 結合了 MSE 和 MAE 損失，在誤差接近 0 時使用 MSE，使損失函數(shù)可導并且梯度更加穩(wěn)定；在誤差較大時使用 MAE 可以降低 outlier 的影響，使訓練對 outlier 更加健壯。缺點是需要額外地設置一個   超參數(shù)。

05 分位數(shù)損失 Quantile Loss

分位數(shù)回歸 Quantile Regression 是一類在實際應用中非常有用的回歸算法，通常的回歸算法是擬合目標值的期望或者中位數(shù)，而分位數(shù)回歸可以通過給定不同的分位點，擬合目標值的不同分位數(shù)。

例如我們可以分別擬合出多個分位點，得到一個置信區(qū)間，如下圖所示（圖片來自筆者的一個分位數(shù)回歸代碼 demo Quantile Regression Demo）

分位數(shù)回歸是通過使用分位數(shù)損失 Quantile Loss 來實現(xiàn)這一點的，分位數(shù)損失形式如下，式中的 r 分位數(shù)系數(shù)。

我們如何理解這個損失函數(shù)呢？這個損失函數(shù)是一個分段的函數(shù) ，將   （高估） 和   （低估） 兩種情況分開來，并分別給予不同的系數(shù)。

當  時，低估的損失要比高估的損失更大，反過來當   時，高估的損失比低估的損失大；分位數(shù)損失實現(xiàn)了分別用不同的系數(shù)控制高估和低估的損失，進而實現(xiàn)分位數(shù)回歸。

特別地，當   時，分位數(shù)損失退化為 MAE 損失，從這里可以看出 MAE 損失實際上是分位數(shù)損失的一個特例 — 中位數(shù)回歸（這也可以解釋為什么 MAE 損失對 outlier 更魯棒：MSE 回歸期望值，MAE 回歸中位數(shù)，通常 outlier 對中位數(shù)的影響比對期望值的影響?。?/span>

下圖是取不同的分位點 0.2、0.5、0.6 得到的三個不同的分位損失函數(shù)的可視化，可以看到 0.2 和 0.6 在高估和低估兩種情況下?lián)p失是不同的，而 0.5 實際上就是 MAE。

06 交叉熵損失 Cross Entropy Loss

上文介紹的幾種損失函數(shù)都是適用于回歸問題損失函數(shù)，對于分類問題，最常用的損失函數(shù)是交叉熵損失函數(shù) Cross Entropy Loss。

二分類：

考慮二分類，在二分類中我們通常使用 Sigmoid 函數(shù)將模型的輸出壓縮到 (0, 1) 區(qū)間內   ，用來代表給定輸入   ，模型判斷為正類的概率。由于只有正負兩類，因此同時也得到了負類的概率。

將兩條式子合并成一條

假設數(shù)據(jù)點之間獨立同分布，則似然可以表示為

對似然取對數(shù)，然后加負號變成最小化負對數(shù)似然，即為交叉熵損失函數(shù)的形式

下圖是對二分類的交叉熵損失函數(shù)的可視化，藍線是目標值為 0 時輸出不同輸出的損失，黃線是目標值為 1 時的損失。

可以看到約接近目標值損失越小，隨著誤差變差，損失呈指數(shù)增長。

多分類：

在多分類的任務中，交叉熵損失函數(shù)的推導思路和二分類是一樣的，變化的地方是真實值   現(xiàn)在是一個 One-hot 向量，同時模型輸出的壓縮由原來的 Sigmoid 函數(shù)換成 Softmax 函數(shù)。

Softmax 函數(shù)將每個維度的輸出范圍都限定在   之間，同時所有維度的輸出和為 1，用于表示一個概率分布。

其中   表示 K 個類別中的一類，同樣的假設數(shù)據(jù)點之間獨立同分布，可得到負對數(shù)似然為

由于   是一個 one-hot 向量，除了目標類為 1 之外其他類別上的輸出都為 0，因此上式也可以寫為

其中   是樣本   的目標類。通常這個應用于多分類的交叉熵損失函數(shù)也被稱為 Softmax Loss 或者 Categorical Cross Entropy Loss。

Cross Entropy is good. But WHY？

分類中為什么不用均方差損失？上文在介紹均方差損失的時候講到實際上均方差損失假設了誤差服從高斯分布，在分類任務下這個假設沒辦法被滿足，因此效果會很差。

為什么是交叉熵損失呢？有兩個角度可以解釋這個事情，一個角度從最大似然的角度，也就是我們上面的推導；另一個角度是可以用信息論來解釋交叉熵損失：

假設對于樣本   存在一個最優(yōu)分布   真實地表明了這個樣本屬于各個類別的概率，那么我們希望模型的輸出   盡可能地逼近這個最優(yōu)分布，在信息論中，我們可以使用 KL 散度 Kullback–Leibler Divergence 來衡量兩個分布的相似性。給定分布   和分布   ， 兩者的 KL 散度公式如下

其中第一項為分布   的信息熵，第二項為分布   和   的交叉熵。將最優(yōu)分布   和輸出分布   帶入   和   得到

由于我們希望兩個分布盡量相近，因此我們最小化 KL 散度。同時由于上式第一項信息熵僅與最優(yōu)分布本身相關，因此我們在最小化的過程中可以忽略掉，變成最小化

我們并不知道最優(yōu)分布   ，但訓練數(shù)據(jù)里面的目標值   可以看做是   的一個近似分布

這個是針對單個訓練樣本的損失函數(shù)，如果考慮整個數(shù)據(jù)集，則

可以看到通過最小化交叉熵的角度推導出來的結果和使用最大化似然得到的結果是一致的。

07 合頁損失 Hinge Loss

合頁損失 Hinge Loss 是另外一種二分類損失函數(shù)，適用于 maximum-margin 的分類，支持向量機 Support Vector Machine (SVM) 模型的損失函數(shù)本質上就是 Hinge Loss + L2 正則化。

合頁損失的公式如下

下圖是   為正類， 即   時，不同輸出的合頁損失示意圖

可以看到當   為正類時，模型輸出負值會有較大的懲罰，當模型輸出為正值且在   區(qū)間時還會有一個較小的懲罰。

即合頁損失不僅懲罰預測錯的，并且對于預測對了但是置信度不高的也會給一個懲罰，只有置信度高的才會有零損失。

使用合頁損失直覺上理解是要找到一個決策邊界，使得所有數(shù)據(jù)點被這個邊界正確地、高置信地被分類。

08 總結

本文針對機器學習中最常用的幾種損失函數(shù)進行相關介紹，首先是適用于回歸的均方差損失 Mean Squared Loss、平均絕對誤差損失 Mean Absolute Error Loss，兩者的區(qū)別以及兩者相結合得到的 Huber Loss，接著是應用于分位數(shù)回歸的分位數(shù)損失 Quantile Loss，表明了平均絕對誤差損失實際上是分位數(shù)損失的一種特例。

在分類場景下，本文討論了最常用的交叉熵損失函數(shù) Cross Entropy Loss，包括二分類和多分類下的形式，并從信息論的角度解釋了交叉熵損失函數(shù)，最后簡單介紹了應用于 SVM 中的 Hinge 損失 Hinge Loss。

受限于時間，本文還有其他許多損失函數(shù)沒有提及，比如應用于 Adaboost 模型中的指數(shù)損失 Exponential Loss，0-1 損失函數(shù)等。

另外通常在損失函數(shù)中還會有正則項（L1/L2 正則），這些正則項作為損失函數(shù)的一部分，通過約束參數(shù)的絕對值大小以及增加參數(shù)稀疏性來降低模型的復雜度，防止模型過擬合，這部分內容在本文中也沒有詳細展開。

讀者有興趣可以查閱相關的資料進一步了解。That’s all. Thanks for reading.

參考資料：

• Machine Learning: A Probabilistic Perspective

• Picking Loss Functions - A comparison between MSE, Cross Entropy, and Hinge Loss

• 5 Regression Loss Functions All Machine Learners Should Know

• Quantile Regression Demo

下載1：OpenCV-Contrib擴展模塊中文版教程

在「小白學視覺」公眾號后臺回復：擴展模塊中文教程，即可下載全網(wǎng)第一份OpenCV擴展模塊教程中文版，涵蓋擴展模塊安裝、SFM算法、立體視覺、目標跟蹤、生物視覺、超分辨率處理等二十多章內容。

下載2：Python視覺實戰(zhàn)項目52講

在「小白學視覺」公眾號后臺回復：Python視覺實戰(zhàn)項目，即可下載包括圖像分割、口罩檢測、車道線檢測、車輛計數(shù)、添加眼線、車牌識別、字符識別、情緒檢測、文本內容提取、面部識別等31個視覺實戰(zhàn)項目，助力快速學校計算機視覺。

下載3：OpenCV實戰(zhàn)項目20講

在「小白學視覺」公眾號后臺回復：OpenCV實戰(zhàn)項目20講，即可下載含有20個基于OpenCV實現(xiàn)20個實戰(zhàn)項目，實現(xiàn)OpenCV學習進階。

交流群

歡迎加入公眾號讀者群一起和同行交流，目前有SLAM、三維視覺、傳感器、自動駕駛、計算攝影、檢測、分割、識別、醫(yī)學影像、GAN、算法競賽等微信群（以后會逐漸細分），請掃描下面微信號加群，備注：”昵稱+學校/公司+研究方向“，例如：”張三 + 上海交大 + 視覺SLAM“。請按照格式備注，否則不予通過。添加成功后會根據(jù)研究方向邀請進入相關微信群。請勿在群內發(fā)送廣告，否則會請出群，謝謝理解~