以下哪种损失函数通常用于分类问题A. 均方误差(MSE)B. 交叉熵损失(Cross-Entropy Loss)C. 绝对误差(MAE)D. Huber Loss

在机器学习和深度学习中，损失函数用于衡量模型预测值与真实值之间的差异。对于分类问题，交叉熵损失函数（Cross-Entropy Loss）是常用的损失函数，因为它能够有效地衡量概率分布之间的差异，适用于分类任务。均方误差（MSE）和绝对误差（MAE）通常用于回归问题，而Huber Loss是一种结合了MSE和MAE特性的损失函数，也主要用于回归问题。