1. MAE与MSE的本质区别

MAE（Mean Absolute Error）和MSE（Mean Squared Error）是两种常用的损失函数，它们的数学形式决定了对误差的不同敏感程度：

• MAE： $\text{MAE}=\frac{1}{n}{\sum }_{i=1}^n|y_i-{\hat{y}}_i|$
• MSE： $\text{MSE}=\frac{1}{n}{\sum }_{i=1}^n(y_i-{\hat{y}}_i{)}^2$

从几何角度看，MSE等价于欧氏距离的平方，而MAE等价于曼哈顿距离。这导致MSE对离群点更加敏感，而MAE更具鲁棒性。

2. 高斯噪声下的统计特性

在噪声服从高斯分布 $ϵ\sim \mathcal{N}(0,{\sigma }^2)$ 的假设下：

1. MSE是最优损失函数
   MSE对应于高斯噪声下的最大似然估计（MLE）。此时，最小化MSE等价于最大化对数似然函数：
   $$\arg \underset{\theta }{\min }\sum _{i=1}^n(y_i-f(x_i;\theta ){)}^2\iff \arg \underset{\theta }{\max }\prod _{i=1}^n\frac{1}{\sqrt{2\pi {\sigma }^2}}\exp \left(-\frac{(y_i-f(x_i;\theta ){)}^2}{2{\sigma }^2}\right)$$
   高斯分布的二次指数形式直接对应平方误差。

2. MAE的统计假设
   MAE对应于噪声服从拉普拉斯分布时的MLE。拉普拉斯分布的概率密度函数为：
   $$p(ϵ)=\frac{1}{2b}\exp \left(-\frac{|ϵ|}{b}\right)$$

   $$\arg \underset{\theta }{\min }\sum _{i=1}^n|y_i-f(x_i;\theta )|\iff \arg \underset{\theta }{\max }\prod _{i=1}^n\frac{1}{2b}\exp \left(-\frac{|y_i-f(x_i;\theta )|}{b}\right)$$
   此时，最小化MAE等价于最大化拉普拉斯分布下的对数似然。

3. MAE导致稀疏解的内在机制

MAE容易产生稀疏解的根本原因在于其梯度特性：

1. MAE的梯度恒定
   MAE的梯度为：
   $$\frac{\partial \text{MAE}}{\partial \theta }=\{\begin{array}{ll}+1,& \text{if }{y}_i-f(x_i;\theta )>0\\ -1,& \text{if }{y}_i-f(x_i;\theta )<0\\ \text{undefined},& \text{if }{y}_i-f(x_i;\theta )=0\end{array}$$
   当参数接近零时，梯度仍保持恒定（±1），促使参数快速收敛到零。

2. MSE的梯度衰减
   MSE的梯度为：
   $$\frac{\partial \text{MSE}}{\partial \theta }=-2(y_i-f(x_i;\theta ))\cdot \frac{\partial f(x_i;\theta )}{\partial \theta }$$
   当误差接近零时，梯度趋近于零，导致参数更新变得非常缓慢，难以彻底消除小参数。

3. 几何解释
   从优化角度看，MAE的等高线是菱形（在二维空间中），其顶点位于坐标轴上；而MSE的等高线是圆形。当损失函数的最小值靠近坐标轴时，MAE的等高线更容易与坐标轴相交，从而使某些参数被置零。更多可见 损失函数的等高线与参数置零的关系

   

4. 对比总结

特性	MSE	MAE
对离群点敏感度	高（平方放大误差）	低（线性处理误差）
噪声分布假设	高斯分布	拉普拉斯分布
梯度特性	梯度随误差减小而衰减	梯度恒定（除零点外）
稀疏性	不易产生稀疏解	易产生稀疏解
优化稳定性	平滑优化，数值稳定性好	非光滑优化，可能需要特殊处理

在实际应用中，如果数据包含较多离群点或需要进行特征选择，MAE是更合适的选择；如果追求预测精度且噪声近似高斯分布，MSE通常表现更好。