关于loss为何使用mse有点不理解

[Wang-yaole]

明明label都是binary的，为啥loss是拿logit去算mse啊，我看euen的代码也是这样，糊涂的很

[dgliu]

明明label都是binary的，为啥loss是拿logit去算mse啊，我看euen的代码也是这样，糊涂的很

感谢你对我们工作的关注。

虽然label是binary的通常会想到用BCE，但是这并不是强制性的。换句话说，尽管我们采用了MSE，但是你也可以在你的实验中使用BCE。 根据我们的经验，在binary label的uplift modeling场景中，使用BCE很容易让模型训练出现崩塌，因此我们最后采用了MSE。你可以在uplift modeling的基准数据集进行尝试和比较。

[Wang-yaole]

明明label都是binary的，为啥loss是拿logit去算mse啊，我看euen的代码也是这样，糊涂的很

感谢你对我们工作的关注。

虽然label是binary的通常会想到用BCE，但是这并不是强制性的。换句话说，尽管我们采用了MSE，但是你也可以在你的实验中使用BCE。 根据我们的经验，在binary label的uplift modeling场景中，使用BCE很容易让模型训练出现崩塌，因此我们最后采用了MSE。你可以在uplift modeling的基准数据集进行尝试和比较。

噢噢 我明白了，我今天找半天理由，差点说服自己因为建模Y=\mu+\tau+\epsilon 是个求和 所以loss只能mse，看来是应该都做做实验。 崩塌的意思是loss变nan嘛，还是震荡不收敛？

[dgliu]

明明label都是binary的，为啥loss是拿logit去算mse啊，我看euen的代码也是这样，糊涂的很

感谢你对我们工作的关注。 虽然label是binary的通常会想到用BCE，但是这并不是强制性的。换句话说，尽管我们采用了MSE，但是你也可以在你的实验中使用BCE。 根据我们的经验，在binary label的uplift modeling场景中，使用BCE很容易让模型训练出现崩塌，因此我们最后采用了MSE。你可以在uplift modeling的基准数据集进行尝试和比较。

噢噢 我明白了，我今天找半天理由，差点说服自己因为建模Y=\mu+\tau+\epsilon 是个求和 所以loss只能mse，看来是应该都做做实验。 崩塌的意思是loss变nan嘛，还是震荡不收敛？

都可能会出现，后者可能比较多原因是loss层面上；由于uplift modeling模型的强参数敏感性，前者即使在MSE中也会由于一些不当的参数值而遇到。

[Wang-yaole]

感谢答复！我还看到了你的Benchmarking for Deep Uplift Modeling in Online Marketing，兄弟论文写的是真体面

[dgliu]

感谢答复！我还看到了你的Benchmarking for Deep Uplift Modeling in Online Marketing，兄弟论文写的是真体面

如果有其他的问题，可以随时邮件与我联系，或者通过邮件告知我微信进行添加，祝好！