Neural network 训练keras模型；为什么mae减少而mse增加？

我正在用keras训练一个回归问题的模型。当我调查训练期间的损失和指标时，有时

平均绝对误差（mae）

在一个历元结束时减小，而

均方误差（mse）

增大。我将

mae

设置为损失，

mse

设置为度量

可以吗？或者设置有问题吗？

---

谢谢

MSE和MAE是不同的指标。一个减少并不意味着另一个减少。考虑下面的一个玩具例子，即网络的SIZE-2输出值，目标值为<代码>目标：< /代码> [0，0]

• 时间步1:

  输出：

  [2,2]，

  MAE:

  2，

  MSE:

  4
• 时间步2:

  输出：

  [0,3]，

  MAE:

  1.5，

  MSE:

  4.5

---

因此，MAE降低而MSE增加。考虑到您正在优化MAE并只监测MSE，您的观察结果非常好，并不意味着有任何问题。

我认为示例中存在错误。MAE和MSE应用于误差。在T1:MAE:1，MSE:1。T2中MAE:1.5，MSE:2.5。所以，MAE和MSE都增加了。当然，谢谢，我编辑了它。目标是错误的。@KiraMichiru，如果我的目标是一个数字：target=a，我的预测是p_a。MAE=abs（a-pua），MSE=（a-pua）^2。MAE和MSE应该同时增加或减少？@scotthuang如果您只考虑单个维度的一个数据点，那么您是对的。然而，MAE和MSE中的平均值之所以有意义，是因为它们通常应用于多个数据点，例如一批中的所有数据点。然后，如果每个数据点都有一个维度，那么不同数据点之间的平均运算可能会导致与示例中所示相同的行为。@KiraMichiru，明白了。我忘记了，即使我只有一个数字，但我实际上计算了一批数据。