Softmax回归在机器学习中用于分类，尤其适合多分类问题。它通过指数函数和归一化，使得输出为各个类别的概率。计算简单且能有效平衡不同类别间的取值。在损失函数中，Softmax能直观反映样本分类的正确性，便于梯度下降优化。当计算梯度时，概率向量对应正确类别的元素减1，简化了计算过程。
Softmax在机器学习中有非常广泛的应用，但是刚刚接触机器学习的人可能对Softmax的特点以及好处并不理解，其实你了解了以后就会发现，Softmax计算简单，效果显著，非常好用。
我们先来直观看一下，Softmax究竟是什么意思
我们知道max，假如说我有两个数，a和b，并且a>b，如果取max，那么就直接取a，没有第二种可能
但有的时候我不想这样，因为这样会造成分值小的那个饥饿。所以我希望分值大的那一项经常取到，分值小的那一项也偶尔可以取到，那么我用softmax就可以了
现在还是a和b，a>b，如果我们取按照softmax来计算取a和b的概率，那a的softmax值大于b的，所以a会经常取到，而b也会偶尔取到，概率跟它们本来的大小有关。所以说不是max，而是 Soft max，那各自的概率究竟是多少呢，我们下面就来具体看一下
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
