分类问题不使用MSE（平均平方误差）作为损失函数，因为分类问题是离散的，而MSE是连续的。MSE对于连续变量的误差是平方的，而对于分类问题，每个类别之间的误差是非常不同的，例如将一个样本分类到正确的类别的误差与将其分类到其中一个错误的类别的误差是不相等的。
因此，分类问题通常使用基于交叉熵的损失函数，它能够更好地比较分布之间的差异，从而更加适合于分类问题。
分类问题不适合使用均方误差（MSE），原因在于MSE对于预测值与真实值之间的差异过度敏感。对于分类问题，输出值是一个离散的类别，其预测结果不应该是两个类别之间的平均值。相反，分类问题需要一种度量方法可以衡量预测结果的准确性和错误性，而不是对误差进行计算。
因此，通常选择使用交叉熵损失函数或对数损失函数作为衡量预测值和真实值之间的差异的准确的度量方法。
