分类问题、回归问题，使用的损失函数和评估指标

问题	模型的最后一层应该使用的激活函数	损失函数	评估指标
二分类问题	sigmoid	binary_crossentropy	accuracy
单标签、多分类问题	softmax	处理多分类问题的标签有两种方法： 1. 通过分类编码（也叫one-hot编码）对标签进行编码，然后使用categorical_crossentropy损失函数； 2. 将标签编码为整数，然后使用sparse_categorical_crossentropy损失函数。	accuracy
多标签、多分类问题
回归问题	模型的最后一层只有一个单元且没有激活函数，它是一个线性层。这是标量回归（标量回归是预测单一连续值的回归）的典型设置。 这里最后一层是纯线性的，所以模型可以学会预测任意范围的值。	均方误差（MSE，mean squared error）	平均绝对误差（MAE，mean absolute error）

参考：《Python深度学习》第4章　神经网络入门：分类与回归，https://weread.qq.com/web/reader/33f32c90813ab71c6g018fff?