训练keras模型；为什么mae减少而mse增加？
Training keras model; why mae decreases while mse increases?
我正在使用 keras 训练一个模型来解决回归问题。当我调查训练期间的损失和指标时，有时 mean absolute error (mae) 在一个纪元结束时减少，而 mean square error (mse) 增加。我将 mae 设置为损失，将 mse 设置为指标。
可以吗？还是设置有问题？
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。考虑以下目标值为 Target: [0,0]
的网络的 size-2 输出值的玩具示例
- 时间步长 1：
Output: [2,2]，MAE: 2，MSE: 4
- 时间步长 2：
Output: [0,3]，MAE: 1.5，MSE: 4.5
因此 MAE 减少而 MSE 增加。鉴于您正在针对 MAE 进行优化并且仅监控 MSE，您的观察结果非常好，并不意味着有任何问题。
我正在使用 keras 训练一个模型来解决回归问题。当我调查训练期间的损失和指标时，有时 mean absolute error (mae) 在一个纪元结束时减少，而 mean square error (mse) 增加。我将 mae 设置为损失，将 mse 设置为指标。
可以吗？还是设置有问题？ 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。考虑以下目标值为 Target: [0,0]
- 时间步长 1：
Output:[2,2]，MAE:2，MSE:4 - 时间步长 2：
Output:[0,3]，MAE:1.5，MSE:4.5
因此 MAE 减少而 MSE 增加。鉴于您正在针对 MAE 进行优化并且仅监控 MSE，您的观察结果非常好，并不意味着有任何问题。