分类问题常用的损失函数为交叉熵( Cross Entropy Loss)

分类问题和回归问题是监督学习的两大种类：分类问题的目标变量是离散的；回归问题的目标变量是连续的数值。
神经网络模型的效果及优化的目标是通过损失函数来定义的。

回归问题解决的是对具体数值的预测。比如房价预测、销量预测等都是回归问题。这些问题需要预测的不是一个事先定义好的类别，而是一个任意实数。解决回顾问题的神经网络一般只有一个输出节点，这个节点的输出值就是预测值。对于回归问题，常用的损失函数是均方误差( MSE，mean squared error )。

分类问题常用的损失函数为交叉熵( Cross Entropy Loss)。

这篇博客我们简单谈谈交叉熵损失函数。

交叉熵描述了两个概率分布之间的距离，当交叉熵越小说明二者之间越接近。[关于交叉熵的原理，我这有一篇简单明白的博客]

尽管交叉熵刻画的是两个概率分布之间的距离，但是神经网络的输出却不一定是一个概率分布。为此我们常常用Softmax回归将神经网络前向传播得到的结果变成概率分布。

softmax常用于多分类过程中，它将多个神经元的输出，归一化到( 0, 1) 区间内，因此Softmax的输出可以看成概率，从而来进行多分类。

假设我们有一个包含k个元素的数组V，i
表示V中的第i个元素，那么这i

个元素的softmax输出就是:
Si=ei∑kj=1ej

为了举一个具体例子，特意盗了一张图，如下：[关于Softmax更简单明白的原理阐述，特意负责任地推荐我这篇博客]

这里写图片描述

注：在TensorFlow中使用Cross Entropy Loss时，主要是使用tf.nn.softmax_cross_entropy_with_logits这类函数，但这类函数需要输入的是未经过Softmax的Logits。而所谓的unscaled logits就可以粗略理解为没有经过Softmax的变量。这一点要与数学上的logits ( 一个事件发生与该事件不发生的比值的对数) 进行区分。
进入主题

简单复习了Softmax，开始进入主题：损失函数为什么要用Cross Entropy Loss。

出于直觉，人们会觉得可以使用classification error来做损失函数：
classification−error=count−of−error−itemscount−of−all−items

我们不置可否，先来看两个模型：

这里写图片描述

这里写图片描述

以上两个模型，computed 是预测结果，targets 是预期结果。 二者的数字，都可以理解为概率。 correct 一栏表示预测是否正确。

模型 1 中，item 1 和 2 以非常微弱的优势判断正确，item 3 则彻底错误，计算其classification error：
classification−error=1/3=0.33

模型 2 中，item 1 和 2 的判断非常精准，item 3 判错，但比较轻，计算其classification error：
classification−error=1/3=0.33

如果仅仅从2 个模型的 classification error 来判断，那这两个模型性能相同，但实际情况是：模型 2 要明显优于模型 1。所以说，classification error 很难精确描述模型与理想模型之间的距离。

如果使用 ACE ( average cross-entropy error )？

首先，我们给出Cross Entropy Loss的公式：
Hy‘(y):=−∑iy′ilog(yi)
其中yi是预测结果，y′i是ground truth。

那么根据公式， 模型中 1 第一项的 cross-entropy 是：
−((ln(0.3)∗0)+(ln(0.3)∗0)+(ln(0.4)∗1))=−ln(0.4)

以此类推，模型1的 ACE ( average cross-entropy error ) 是:
−(ln(0.4)+ln(0.4)+ln(0.1))/3=1.38

模型 2 的 ACE 是：
−(ln(0.7)+ln(0.7)+ln(0.3))/3=0.64

这样一来ACE的结果准确的体现了模型 2 要优于模型 1的事实，所以说 Cross-Entropy Loss 更清晰的描述了模型与理想模型的距离。

为何不用 Mean Squared Error (平方和)

如果使用 MSE（mean squared error)，则模型 1 第1项的 loss 是：
(0.3−0)2+(0.3−0)2+(0.4−1)2=0.09+0.09+0.36=0.54

模型 1 的 loss 是：
(0.54+0.54+1.34)/3=0.81

模型 2 的 loss 是：
(0.14+0.14+0.74)/3=0.34

MSE 看起来也是蛮不错的。为何不采用？

分类问题最后必须是 one hot 形式算出各 label 的概率， 然后通过 argmax 选出最终的分类。

在本篇博客最开始我们讲到，在计算各个 label 概率的时候，用的是 softmax 函数。

如果用 MSE 计算 loss， 通过 Softmax后 输出的曲线是波动的，有很多局部的极值点，即非凸优化问题 (non-convex)，如下图 [ MSE是凸函数，logits先经过Softmax，再经过MSE形成的为非凸函数，姑且给个疑似解答链接]：

这里写图片描述

而用 Cross Entropy Loss 计算 loss，就还是一个凸优化问题，用梯度下降求解时，凸优化问题有很好的收敛特性。

注：TensorFlow中的loss函数定义在gen_nn_ops.py这个文件里，这个文件在源码里找不到，是编译时由C++文件生成的，如果真想看_softmax_cross_entropy_with_logits函数的源码，给你个链接：https://stackoverflow.com/questions/47987202/where-is-softmax-cross-entropy-with-logits-defined-in-tensorflow?noredirect=1&lq=1
最后的结论

分类问题用 One Hot Label + Cross Entropy Loss

Training 过程，分类问题用 Cross Entropy Loss，回归问题用 Mean Squared Error。

validation / testing 过程，使用 Classification Error更直观，也正是我们最为关注的指标。

题外话- 为什么回归问题用 MSE[可看可不看]

Cross Entropy Loss 对于神经网络的分类问题可以很好的应用，但是对于回归问题 [请自行翻阅上面的Cross Entropy Loss 公式]，预测结果任意取一个值，比如 -1.5，就没法计算 log(-1.5)，所以一般不用交叉熵来优化回归问题。

为什么用 MSE

最小二乘是在欧氏距离为误差度量的情况下，由系数矩阵所张成的向量空间内对于观测向量的最佳逼近点。

为什么用欧式距离作为误差度量 （即 MSE），09 年 IEEE Signal Processing Magzine 的 《Mean squared error: Love it or leave it?》这篇文章做了很好的讨论。这篇文章在 “WHY DO WE LOVE THE MSE?” 中说，MSE：

1. 它简单。

2. 它提供了具有很好性质的相似度的度量。

1）它是非负的;

2）唯一确定性。只有 x=y 的时候，d(x,y)=0；

3）它是对称的，即 d(x,y)=d(y,x)；

4）符合三角性质。即 d(x,z)<=d(x,y)+d(y,z).

3. 物理性质明确，在不同的表示域变换后特性不变，例如帕萨瓦尔等式。

4. 便于计算。通常所推导得到的问题是凸问题，具有对称性，可导性。通常具有解析解，此外便于通过迭代的方式求解。

5. 和统计和估计理论具有关联。在某些假设下，统计意义上是最优的。

但 MSE 也有缺点
并不是所有的问题都可以套用该准则，在“IMPLICIT ASSUMPTIONS WHEN USING THE MSE”说，它基于了以下几点对于信号的假设：

1. 信号的保真度和该信号的空间和时间顺序无关。即，以同样的方法，改变两个待比较的信号本身的空间或时间排列，它们之间的误差不变。例如，[1 2 3], [3 4 5] 两组信号的 MSE 和 [3 2 1],[5 4 3] 的 MSE 一样。

2. 误差信号和原信号无关。只要误差信号不变，无论原信号如何，MSE 均不变。例如，对于固定误差 [1 1 1]，无论加在 [1 2 3] 产生 [2 3 4] 还是加在 [0 0 0] 产生 [1 1 1]，MSE 的计算结果不变。

3. 信号的保真度和误差的符号无关。即对于信号 [0 0 0]，与之相比较的两个信号 [1 2 3] 和[-1 -2 -3] 被认为和 [0 0 0] 具有同样的差别。

4. 信号的不同采样点对于信号的保真度具有同样的重要性。
 
---------------------  
作者：时光杂货店  
来源：CSDN  
原文：https://blog.csdn.net/xg123321123/article/details/80781611  
版权声明：本文为博主原创文章，转载请附上博文链接！