习题 2-1 分析为什么平方损失函数不适用于分类问题 , 交叉熵损失函数不适用于回归问题.
因为分类问题不连续,使用平方损失函数,只要分类错误其loss便相等,没有距离概念,在分类错误的情况下无法判断优化的好坏。 举个例子,若有类型 ,使用one-hot编码, ,无论是预测为 还是 ,loss都一样。 但在实际中,有可能使用decode之后的结果计算。
当MSE和交叉熵同时应用到多分类场景下时,(标签的值为1时表示属于此分类,标签值为0时表示不属于此分类),MSE对于每一个输出的结果都非常看重,而交叉熵只对正确分类的结果看重。例如:在一个三分类模型中,模型的输出结果为(a,b,c),而真实的输出结果为(1,0,0),那么MSE与cross-entropy相对应的损失函数的值如下:
MSE:
cross-entropy:
从上述的公式可以看出,交叉熵的损失函数只和分类正确的预测结果有关系,而MSE的损失函数还和错误的分类有关系,该分类函数除了