softmax和sigmoid以及SVM

1、sigmoid将一个real value映射到（0,1）的区间（当然也可以是（-1,1）），这样可以用来做二分类。 

2、softmax把一个k维的real value向量（a1,a2,a3,a4….）映射成一个（b1,b2,b3,b4….）其中bi是一个0-1的常数，然后可以根据bi的大小来进行多分类的任务，如取权重最大的一维。 

3、Softmax的输出的每个值都是>=0，并且其总和为1，所以可以认为其为概率分布，这与sigmoid也是不同的，这是选取Softmax还是选取sigmoid的区别的原因。

4、当类别为2时，softmax退化成sigmoid逻辑斯提克函数。

   

  

SVM

当loss 为0，则对w进行缩放，结果依旧是0