NNDL 作业1：第二章课后题

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.

平方损失函数为：

对于分类问题，例如如果一个分类问题有标签 [ 1 , 2 , 3 ] ，分别代表了[red,green,yellow]，假如真实分类是 1, 而被分类到 2 和 3 错误程度应该是一样的, 但是平方损失函数的损失却不相同。

交叉熵损失函数:

通过交叉熵损失函数，我们可以看出交叉熵损失函数针对只分类正确的预测结果，和分类错误的预测结果没有联系，而分类任务中很少考虑分类错误的结果，主要考虑让正确的分类尽可能大。而在回归中，考虑错误的结果就很必要了，需要让回归的函数尽可能满足所有的样本包括错误的样本，所以交叉熵不适合回归。

习题 2-12 对于一个三分类问题 ， 数据集的真实标签和模型的预测标签如下 ：

分别计算模型的精确率、召回率、F1值以及它们的宏平均和微平均．

格式要求：使用公式编辑器，在博客上正确书写公式。
1的精确率：

2的精确率：

3的精确率：

1的召回率：

2的召回率：

3的召回率：

1的F1值：

2的F1值：

3的F1值：
宏平均：



微平均：