作者:張欣
鏈接:https://www.zhihu.com/question/23765351/answer/98897364
來源:知乎
著作權歸作者所有,轉載請聯系作者獲得授權。
鏈接:https://www.zhihu.com/question/23765351/answer/98897364
來源:知乎
著作權歸作者所有,轉載請聯系作者獲得授權。
softmax 回歸(
Softmax Regression) 這里解釋的很詳細,簡單總結下:
softmax模型是logistic模型在多分類問題上的推廣, logistic 回歸是針對二分類問題的,類標記為{0, 1}。
假設函數為:
。
代價函數為:
在 softmax模型中,label可以為k個不同的值
。
對於給定的測試輸入
,我們想用假設函數針對每一個類別j估算出概率值
。
假設函數將輸出一個k維的向量
請注意
這一項對概率分布進行歸一化,使得所有概率之和為 1 。
代價函數為:
其中:1{值為真的表達式}=1 為示性函數。
如果類別之間是互斥的,適合用softmax;如果類別之間允許重疊,應該選擇k個logistic分類器。
softmax模型是logistic模型在多分類問題上的推廣, logistic 回歸是針對二分類問題的,類標記為{0, 1}。
假設函數為:

代價函數為:

在 softmax模型中,label可以為k個不同的值

對於給定的測試輸入


假設函數將輸出一個k維的向量

請注意

代價函數為:

如果類別之間是互斥的,適合用softmax;如果類別之間允許重疊,應該選擇k個logistic分類器。