为何均方误差采用平方形式？损失函数为何不选abs(x)等其他方法？

这问题问得特别好——刚入门统计或机器学习的同学几乎都会纠结：明明绝对值甚至四次方都能把误差转成正值，为啥MSE（均方误差）偏偏认准了平方项？我从几个核心角度给你拆解清楚：

平方函数x²的导数是连续且极易计算的：d(x²)/dx = 2x。这对梯度下降这类依赖导数的优化算法来说，简直是量身定制——每一步的更新方向和步长都能顺畅计算，不会卡壳。
反观绝对值函数|x|，在x=0处的导数直接“断裂”了（左导数-1，右导数1），优化过程中很容易出现震荡，甚至卡在某个点没法收敛到最优解。要是用x⁴，虽然导数连续，但计算成本上去了不说，对异常值的惩罚会极端到离谱——一个离群点就能把模型带偏到姥姥家。

MSE会自动放大较大的误差，而绝对值误差对所有误差一视同仁。很多实际场景里，大误差的危害远大于小误差：比如预测患者的血压，差5mmHg和差30mmHg的后果完全不一样；预测快递时效，晚1小时和晚10小时的用户体验天差地别。平方项能让模型优先修正那些严重偏离的预测，这在大多数任务里是更贴合需求的。

从统计学角度看，如果我们假设模型的误差服从高斯（正态）分布，那么用MSE作为损失函数，等价于最大化似然估计（MLE）。这可不是瞎选——现实中很多自然现象的误差都近似符合正态分布，所以MSE在这类场景下是统计意义上的最优解。而绝对值误差对应的是拉普拉斯分布假设，虽然也有适用场景，但范围相对窄很多。

还有个小因素：MSE被用得早，理论体系成熟，像线性回归这类经典算法都是基于它推导的，后来的很多模型也就延续了这个选择。当然现在也有不少场景会用MAE（平均绝对误差）或者Huber损失（结合MSE和MAE的优点），但MSE依然是最基础、最通用的损失函数之一。

内容的提问来源于stack exchange，提问作者Karan Shah