分类问题为什么不使用MSE

本文探讨了在分类任务中MSE与CrossEntropy两种损失函数的区别。MSE结合sigmoid激活函数可能导致梯度消失问题;而CrossEntropy通常提供更丰富的梯度信息,有助于加快收敛速度。但在某些情况下,MSE也可能成为有效的替代方案。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1.对于分类问题 使用 MSE + sigmoid 会发生梯度弥散现象(即在接近负无穷和正无穷时梯度接近于0)
2.使用Cross Entropy 的梯度信息大于MSE 即收敛速度快
3. 但是有时当Cross Entropy 学习效果不好时 可以尝试MSE

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

抽象带篮子

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值