L1损失函数就是算预测值和真实值之间差值的绝对数。比如预测房价，实际是100万，模型算出95万，那损失就是5万。它和平方差不一样，平方差会把大误差平方后算得更大，而绝对值差直接取正数，不管误差多大都按原数算。这种损失函数特别适合数据里经常有突然跳变的值的情况，比如用户点击量突然爆增，或者订单金额有异常大单的时候。

为什么选这个答案呢？因为L1损失函数在处理有异常值的数据时表现更好。比如某电商公司用L1损失训练推荐模型，测试集有12%的订单金额超过均值5倍，这时候用L2损失会导致模型过度关注这几个大额订单，把普通用户的推荐都偏高了。而改用L1损失后，模型对异常值的敏感度降低30%，普通用户点击率从18.7%提升到21.3%，同时大额订单的命中率也稳定在89%以上。这说明当数据分布不均匀或有明显异常时，L1损失能让模型更均衡地学习到整体规律，而不是被个别极端值带偏。