Softmax函数:
其实就是一个简单的归一化函数,即根据比例把之前的数字变形,使变形后的数字比例与原来相同,但是和变成了1:
通常用在计算了W*x之后,把所得的与预测所得的Y归一化,这使得它,与SVM相比有了更加直观的(类似概率概率)输出。
softmax损失函数最经常使用的是交叉熵函数(cross-entropy):
交叉熵(Cross Entropy):
主要用于度量两个概率分布间的差异性信息。
要了解交叉熵我们先要了解以下几个概念:
信息量
根据八卦常识我们可以得知,一个发生概率很小的事情发生了,往往会携带着很大的信息量,我们以以下两件事来作为例子:
(1):我和胡歌结婚
(2):刘亦菲和胡歌结婚
显而易见的是第一件事有更大的信息量,比如说:胡歌为什么和一个素人结婚,他们怎么认识的等等。
由此我们的以得到-log函数在[0,1]上的分布是很是符合我们的常识,所以可以认为一件事x发生所带来的信息量为: