尽管上述两种方法都能为更接近的预测提供更好的得分，但仍然更倾向于使用交叉熵。是否在所有情况下都是如此，还是有一些特殊情况我们更倾向于使用交叉熵而不是均方误差？
回答：
在分类问题中更倾向于使用交叉熵，而在回归问题中，均方误差是首选之一。这直接源于问题的陈述本身——在分类问题中，你处理的是一组非常特定的可能输出值，因此均方误差的定义不佳（因为它不具备这种知识，因此以不兼容的方式惩罚错误）。为了更好地理解这种现象，最好跟踪并理解以下之间的关系：
- 交叉熵
- 逻辑回归（二元交叉熵）
- 线性回归（均方误差）
你会注意到，这两者都可以被视为最大似然估计，只是对因变量的假设不同。
