个人理解分类问题也可以用mse 只不过是交叉熵更好一点，好处如下：
1 交叉熵计算量更小一点，mse需要计算每一个类别。
比如y_pre（0.2, 0.3, 0.5），yi（0,1,0） 需要计算3个减法平方相加(0.2-0)**2 + (0.3-1) ** 2 + (0.5-0)**2，使用交叉熵的话 值只需要计算 -1*log(0.3)
2 以sigmoid为例（softmax也是一样，可以看做是sigmoid的多维推广），MSE反向传播的时候需要计算sigmoid梯度，会发生梯度弥散，交叉熵会消掉 梯度这项 (y-z)*x 误差越大，更新值越大，比较合理。