交叉熵损失函数在二分类问题中必须配合Sigmoid激活函数使用。()A. 错B. 对

本题考查交叉熵损失函数在二分类问题中的使用以及激活函数的相关知识。解题思路是明确交叉熵损失函数在二分类问题中的作用，以及分析除了Sigmoid激活函数外是否还有其他激活函数可以与之配合使用。

交叉熵损失函数常用于衡量两个概率分布之间的差异，在二分类问题中，它可以用来衡量模型预测的概率分布与真实标签的概率分布之间的差异。

在二分类问题中，虽然Sigmoid激活函数是最常用的与交叉熵损失函数配合的激活函数。Sigmoid函数可以将输入映射到$(0, 1)$区间，从而得到样本属于正类的概率，其公式为$\sigma(x)=\frac{1}{1 + e^{-x}}$。

然而，并不是必须使用Sigmoid激活函数。例如，我们也可以使用Softmax激活函数。Softmax函数是Sigmoid函数在多分类问题上的推广，对于二分类问题，Softmax函数同样可以将输入转换为两个类别的概率分布。设输入为$\mathbf{z}=(z_1,z_2)$，Softmax函数的输出为$p_i=\frac{e^{z_i}}{\sum_{j = 1}^{2}e^{z_j}}$，$i = 1,2$，它也能满足交叉熵损失函数对输入为概率分布的要求。

所以，交叉熵损失函数在二分类问题中不是必须配合Sigmoid激活函数使用。