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。
分类问题的结果是离散值,平方损失函数如果用于分类问题,分类正确的误差都是一样的,分类错误的误差都是一样,不具有距离的意义,在分类错误的情况下无法判断优化的好坏。并且平方损失误差还和预测结果错误的样本有联系,在分类问题中只关注分类正确的结果。所以 平方损失函数不适用于分类问题。
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,所以交叉熵损失函数不适合回归。
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.
精确率
=
=
=
=
=
=
=
=
=
=
召回率
=
F值:令 = 1
宏平均(Macro-averging)是每一类的性能指标的算术平均值.
宏查全率
宏查准率
微平均(Micro-averging)是每一个样本的性能指标的算术平均值.