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
计算机技术的进步与模拟运算，在未来真的可以解决磁约束核聚变技术中所有关键问题吗？人工智能技术会不会最终赶上微积分的历史地位？
了解/从事机器学习/深度学习系统相关的研究需要什么样的知识结构？
能否使用神经网络来判断奇偶数？
AI（或者说神经网络/深度学习）能够实现科学（尤其是物理学）研究中提出假设这一步嘛？
神经网络的损失函数为什么是非凸的?
神经网络分类训练后得到的是连续的数怎么离散？
深度学习与机器学习的关系是什么？
机器学习中常常提到的正则化到底是什么意思？
2021年人工智能领域有哪些关键性进展和突破？
相关的话题
如何看待2016年3月柯洁表示 AlphaGo「赢不了我」？如何看待亚马逊的无人超市产品 Amazon Go?
如何直观地解释 backpropagation 算法？
《人工智能训练师国家职业技能标准》发布，有哪些值得关注的信息？
学习人工智能，术语看不懂怎么办？
能否介绍一下强化学习（Reinforcement Learning），以及与监督学习的不同？
你所在的研究领域里，有哪些工作的结果虽然不是造假，但是是精挑细选出来的?
为什么我学过微积分、线性代数和概率论，还是看不懂机器学习？
如果 2台 alphago 不断对战，是否会不断的强大？
如何看待人工智能领域的很多专家认为「人工智能将对人类存亡造成威胁」的观点？
计算统计学（Computational Statistics）有什么好的资源和教材以及学习方法推荐？
为什么在SGD中使用L1正则化很难获得稀疏性？
xgboost原理？
最数学的计算机科学方向有哪些？
消融实验是什么？
深度学习在无人驾驶汽车上面的运用有哪些？
如何看待AI伦理科学家Timnit Gebru在邮件控诉谷歌缺乏种族多样性后被Jeff Dean炒掉？
金融学及金融从业者如何应对人工智能和大数据？
如何评价英伟达于 GTC 2021 大会发布的基于 ARM 架构的 Grace CPU？
如何把梯度传递过Argmax?
如何看待指出 神经网络的训练罪魁祸首是退化一文？
有没有什么可以节省大量时间的 Deep Learning 效率神器？
如何评价Sony新出的深度学习库NNabla？
ICML 2018 有哪些值得关注的亮点?
怎么形象理解embedding这个概念？
如何简单形象又有趣地讲解神经网络是什么？
机器学习算法进行分类时，样本极度不平衡，评估模型要看哪些指标？
Python中 __init__的通俗解释是什么？
用 Python 进行数据分析，不懂 Python，求合适的 Python 书籍或资料推荐？
为什么在R语言里多用<-而不是=表示赋值？