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.

        答：从平方损失函数运用到多分类场景下，可知平方损失函数对每一个输出结果都十分看重，而交叉熵损失函数只对正确分类的结果看重。例如，对于一个多分类模型其模型结果输出为（a,b,c），而实际真实结果为（1,0,0）。则根据两种损失函数的定义其损失函数可以描述为：

                                 

                                             

        从上述的结果中可以看出，交叉熵损失函数只和分类正确的预测结果有关。而平方损失函数还和错误的分类有关，该损失函数除了让正确分类尽量变大，还会让错误分类都变得更加平均，但实际中后面的这个调整使没必要的。但是对于回归问题这样的考虑就显得重要了，因而回归问题上使用交叉熵并不适合。
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。

答：

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：