タスクに応じた出力層の活性化関数と損失関数の組み合わせ

多クラス単一ラベル分類では各クラスの予測確率の総和が1になるソフトマックス関数と交差エントロピー誤差を組み合わせるのが定石です。 ア:正解です。排他的なクラス分類にはソフトマックス関数とカテゴリカル交差エントロピーのペアが標準です。 イ:誤りです。回帰タスクでは出力層は「恒等関数」、損失関数は「平均二乗誤差(MSE)」やMAEを用います。 ウ:誤りです。各クラスが独立に判定されるマルチラベル分類では、出力層に「シグモイド関数」、損失関数に「二値交差エントロピー(BCE)」を各出力に適用します。 エ:誤りです。二値分類では出力層に「シグモイド関数」、損失関数に「二値交差エントロピー」を用います。

ニューラルネットワークの設計における「解きたいタスク」「出力層の活性化関数」「損失関数」の組み合わせとして、最も適切なものを1つ選択してください。

出典G検定オリジナル模擬試験
ア
多クラス単一ラベル分類(互いに排他的な10分類など):ソフトマックス関数 + 多クラス交差エントロピー誤差
イ
連続値の回帰タスク(住宅価格予測など):シグモイド関数 + 多クラス交差エントロピー誤差
ウ
マルチラベル分類(1枚の画像に犬と猫の両方が写っているなど):ソフトマックス関数 + 平均二乗誤差
エ
二値分類(スパム判定など):恒等関数 + トリプレット損失