分类问题用交叉熵，回归问题用均方误差。
至于原因，可以看看它们的函数式，主要是两种损失函数对分类和回归结果误差的衡量的方式不同。比如，交叉熵，在分类时（热编码），如果分类正确，则损失值为零，否则就有个较大的损失值，然后反向传播，能够更好地更新权重；同理，均方误差mse，则是用来测算距离，很好地衡量了预测的实数值和事实值之间的数值大小的差异程度，如果很大，则bp之后权重更新会较为明显，反之，则只是微调权重。
综上，这两种损失函数，都是为了更好地衡量你的真实结果与预测结果之间的差异的。
（但是logistic回归为啥就不能MSE只能交叉熵？是属于特例嘛？）
参考链接：
https://blog.csdn.net/weixin_41888969/article/details/89450163
https://www.cnblogs.com/xiaoboge/p/9656216.html
https://www.zhihu.com/question/320490312/answer/654084489