在R中是否可以使用MAE（平均绝对误差）而不是RMSE作为线性回归（lm/glm）的成本函数

Question

我正在尝试对财务数据进行一些回归，财务数据的一个问题是它往往有很多极端异常值，这些异常值可能不那么具有信息性。在 R 中，线性回归使用 RMSE 作为成本函数。我明白这一点，RMSE 对于回归更有用，因为它具有导数等。但它也倾向于比 MAE 更严重地惩罚异常值，MAE 对待所有值都是相等的。所以我想知道是否有任何参数可以传递给 lm/glm 来指示它使用 MAE 而不是 RMSE 作为成本函数？我可以想到一些替代的解决方法，通过绝对回报的倒数进行加权或应用变换，但如果我可以使用 MAE 进行回归，那就更好了。

Answer 1

搜索

R robust linear regression

引导我找到

rlm

包（R 中标准包含）中的

MASS

函数。我认为这是您解决方案的一个很好的起点。它不适用于 MAE，但我会阅读

rlm

如何执行稳健拟合（即拟合，同时不会受到异常值的过度影响）。

Answer 2

是的，尝试安装“robustbase”包，然后使用函数 lmrob.lar(x,y)。