- 交叉熵可以在得到正确结果的同时衡量模型的好坏；
- 交叉熵在模型不能很好拟合的似乎求的偏导大，而模型拟合的差不多之后偏导变小。对比之下，MSE在训练一开始就偏导趋近于0，不好训练。
- 交叉熵和sigmoid一起用，求导形式非常简洁。
https://zhuanlan.zhihu.com/p/35707643
https://zhuanlan.zhihu.com/p/35709485
本文标题：为什么在分类问题中常用交叉熵而不是MSE或者平均误差?
本文链接：https://www.haomeiwen.com/subject/gcvqgktx.html
网友评论