L2 Loss

定义 Definition

L2 loss（L2 损失）：机器学习中常用的损失函数之一，通常指平方误差/平方损失，用来衡量预测值与真实值之间的差距；常见形式为 ((y-\hat{y})^2)（或对全体样本取平均，即 MSE）。在某些语境中也泛指与 L2 范数相关的误差度量（最常见仍是平方误差）。

发音 Pronunciation (IPA)

/ˌɛl ˈtuː lɔs/

例句 Examples

We trained the model using L2 loss.
我们使用 L2 损失来训练这个模型。

To reduce overfitting, the paper combines L2 loss with regularization and early stopping during training.
为了减少过拟合，论文在训练中将 L2 损失与正则化和提前停止结合使用。

词源 Etymology

“L2”来自数学里的 (L^p) 空间/范数记号，其中 L2 对应最常见的欧几里得（Euclidean）度量相关形式；“loss”在优化与机器学习里表示需要最小化的“代价/损失”。因此 L2 loss 通常就是用“平方”这种 L2 相关方式来度量预测误差。

相关词 Related Words

• Mean Squared Error
• Squared Loss
• L1 Loss
• Huber Loss
• Loss Function
• Regularization
• Ridge Regression

文学与著作 Examples in Notable Works

• Deep Learning（Ian Goodfellow, Yoshua Bengio, Aaron Courville）——讨论平方误差等损失在训练中的使用场景
• Pattern Recognition and Machine Learning（Christopher M. Bishop）——以平方损失/误差准则讲解回归与概率建模
• The Elements of Statistical Learning（Hastie, Tibshirani, Friedman）——在回归与风险最小化框架中讲解平方误差损失