一、对于回归问题，基本目标是建模条件概率分布p(t|x)
利用最大似然的方式:negative logarithm of the likelihood
这个函数可以作为优化目标，其中的第二项与参数无关，在优化的时候不用计算在内。实际中所用到的各种不同的目标函数不过是对于
的形式做了具体的假设。
1.sum of squares error
这里假设输出矢量t的维度为K，则：
回归实际上就是希望得到K个输出关于输入的一个函数表达式
，k=1,2…..K，而假设真值与预测值之间的误差是一个随机变量
，k=1,2…K
如果我们把这K个随机变量进一步假设为服从0均值，具有统一方差
的高斯分布，
则：
注意：
而不是
是因为我们认为
的分布独立于x！，同时，也一般把K个随机变量
认为服从同一分布，也就是
也独立于k。
注意理解公式（4），误差服从高斯分布，则说明给定输入x，实际可能出现的tk值总在预测值上下浮动，也就是条件概率满足下面公式 
更形象的示例且看下图，图中的点就是我们的训练数据，而中间那条线就是我们的预测函数！对于某一个x，预测函数总能得到一个值，但是实际在训练数据中总有很多与同一个x对应的点，他们都在预测函数上下浮动，浮动的距离服从高斯分布！
对于训练过程来说
由这个形式还有一种类似的root-mean-square(RMS) error:
这种方式求出来的错误并不随数据规模而增长。
2、平方误差函数对于神经网络结果的解释
如果我们把平方误差函数作为神经网络的目标函数去优化参数，则得到结果将是：
省略号之后的项与参数无关，由此可以得知，如果我们使用梯度下降法之类的优化方法，或者直接利用偏导为0，最终必然接近如下结果：
换句话说，我们把目标函数形式化简之后，发现，最终优化得到的参数必然使得生成函数中y为x处t值的平均！
3、Modeling conditional distribution
平方误差函数中做的关于高斯分布的假设太强，于是寻求一种更普适的方式建模
，这里也就是利用高斯混合模型来建模误差分布！
二、对于分类问题，方式是建模后验概率
1、Sum of squares for classification
套用前面回归问题的方式，如果采用最小平方和的方式，神经网络的网络输出：
假设总共有C类，则总共有C个输出单元，每次输入一个x，与x所属的类对应的输出单元为1，其它输出单元为0
对于公式（8） 的理解，首先要明确，
依据训练样本中x的类标签来取值，只能为0或1，
是指单位冲击函数，在0处取1，在其他地方都是取0。
可分情况如下：
当
时，只要x不属于第k类就行
当
时，只在x属于第k类是成立
将式（9）代入公式（8），得到：
此时网络输出的含义就变成了对后验概率的建模！
反思一下：平方误差函数的导出基于两点：最大似然概率，误差服从高斯分布！，这对于分类问题却并不是最合适的！因为分类问题的目标输出都是0，1，完全不会是高斯分布！前面的回归问题，在我们假设成立的前提下，得到的模型能保证是训练数据集似然概率最大。但是这样来看分类问题，由于假设基本不可能，所以导出的模型没法从理论上保证使得训练数据集的似然概率最大。
2、互信息量的解释方法
现在重新思考之前的方式，我们先是最大似然为目标，然后假设了误差为高斯分布，导出平方误差函数，最后使得只要基于平方误差函数去优化，得到的模型就会导出最大似然概率最大。
先确立一个目标：使得输出代表后验概率!
使输出代表后验概率的方法来自于线性判别过程，最初的线性判别函数是这样的：
对于两类问题，现在我们考虑后验概率：
假设： 
则：
式（14）的右边就是我们熟悉的sigmoid函数。
现在的想法就是，能不能使得输出y具有
的语义？？也就是如何使得y = sigmoid(a)，最自然的想法是，如果a能像式（11）那样由输入线性表示，问题也就解决了。庆幸的是，对于类条件概率分布为高斯函数的时候，这一结论是很好证明的，而且可以推广至更普遍的指数族分布函数。也就是说sigmoid函数可以在二分类问题中，将普通的线性判决函数的输出转换成具有后验概率语义的输出，结果不会变（sigmoid函数是单调递增函数）。
在多类问题中与之对应的是softmax函数。
一旦输出具有了后验概率的语义，则最大似然的表示变得极其简单，也就得出了所谓的
Negative-log-likelihood的损失函数形式！
反思：也就是说分类问题，要使得输出具有后验概率语义，进而套用Negative-log-likelihood损失函数，必须使用特定的activation function（两类是sigmoid，多类是softmax）。
