神经网络，分类和回归问题，在网络结构上的区别是什么？分类比回归多一层softmax吗？诚心求教？ 第1页
1
huo-hua-de-41 网友的相关建议:
感觉现在已有的回答还没说到点上。例如，0-1的回归，我把0-1分成100个bin，每0.01当作一个类，然后用变成100类的分类任务，是不是就只是精度差异呢？进一步可以衍生几个问题：
- 为什么回归任务常使用mse作为损失函数？
- 为什么分类任务常用交叉熵作为损失函数?
首先，我们要知道，使用特定损失函数的前提是我们对标签的分布进行了某种假设。
二分类问题的常见假设就是标签服从伯努利分布，多分类问题背后的假设是多项分布（Multinomial Distribution）。根据数据分布，结合最大似然估计，就可以推导出交叉墒的公式。
同样的，回归问题背后的假设是标签服从正态分布，这时候根据数据分布，结合最大似然估计，就可以推导出mse的公式。
然后实际问题中，我们遇到的标签不一定真的服从正态分布。根据样本分布不同，大家还提出了tweedie loss、possion loss等损失函数替代mse。我说这么多，只是抛砖引玉，详细的推到大家可以看看 @马东什么 的文章
1
相关话题
除了深度学习，机器学习领域近年来还有什么热点吗？在优化问题里，强化学习相比启发式搜索算法有什么好处？
物理专业的学生如何看待机器学习和大数据这些方向呢？
如何看待 Deepmind 宣称最新版 AlphaGo 能让李世乭版本 AlphaGo 三子？
机器学习的解释模型存在嘛？
GAN的生成器是怎么产生图片的？
c4.5为什么使用信息增益比来选择特征？
现在tensorflow和mxnet很火，是否还有必要学习scikit-learn等框架？
如何评价微软新出的自拍软件 Microsoft Selfie？
神经网络的万能逼近定理已经发展到什么地步了？
相关的话题
如何评价论文「Stochastic Training is Not Necessary ...」?如何评价Google最新提出的gMLP：MLP模型在CV和NLP任务上均取得较好的效果？
学习机器学习有哪些好工具推荐？
如何理解矩阵对矩阵求导？
如何评价 MXNet 被 Amazon AWS 选为官方深度学习平台？
如何评价剑桥，腾讯， DeepMind以及港大团队新作 SimCTG ?
吴恩达为什么离开谷歌？
视觉算法的工业部署及落地方面的技术知识，怎么学？
如何评价Google最新提出的gMLP：MLP模型在CV和NLP任务上均取得较好的效果？
能否介绍一下强化学习（Reinforcement Learning），以及与监督学习的不同？
现代人工神经网络是不是一个死胡同？这个技术是不是骗人的？
如何评价 Exploring Simple Siamese Learning?
卷积神经网络（CNN）的结构设计都有哪些思想？
如何看待KDD'21的文章，异质图神经网络的效果不如简单的GCN、GAT？
加州大学伯克利分校为何能连续孵化出 Mesos,Spark,Alluxio,Ray 等重量级开源项目?
编程达到什么水平才能编写出像caffe这样的深度学习框架？
在机器学习模型的训练期间，大概几十分钟到几小时不等，大家都会在等实验的时候做什么？
如何评价新Nature子刊Nature Machine Intelligence的出现？
面试官如何判断面试者的机器学习水平？
请问应该怎样去学习图像识别和深度学习？
深度学习应用在哪些领域让你觉得「我去，这也能行！」？
如何理解今年发表在JMLR上随机森林算法SPORF？
如何评价谷歌刚推出的Cloud AutoML？
god bless us 为什么百度翻译是辛巴？
机器学习中macro-F1的计算公式？
要研究深度学习的可解释性（Interpretability），应从哪几个方面着手？
深度学习应用在哪些领域让你觉得「我去，这也能行！」？
如何通俗的解释交叉熵与相对熵？
请问人工神经网络中的activation function的作用具体是什么？为什么ReLu要好过于tanh和sigmoid function?
为什么熵值最大的分布状态是正态分布而不是均匀分布？