本文探讨了逻辑回归在多分类任务中的应用，指出它实际上是通过多个二分类实现的。对于三分类问题，可以通过调整数据样本实现。逻辑回归的二分类是softmax多分类的一个特殊情况。softmax函数确保了所有概率之和为1，适合处理多分类问题，其计算结果需整体考虑。同时，文章提到了模型中参数的计算，如w0-w7。
一、逻辑回归多分类
假设激活函数使用的是sigmoid函数
逻辑回归多分类其实是多个二分类而已，若求三分类问题需要对训练的数据样本进行适当的修改调整即可，如何修改样本数据可以参考逻辑回归二分类和多分类本质区别，内容都一样，这里就不在过多的赘述。
最后计算处的p1和p2是个概率，范围在0-1直接，因为这里的激活函数是sigmoid函数
谁大就是谁，就归于那一类。逻辑回归的二分类实际就是softmax多分类的一个特例而已！！！
逻辑回归多分类是可以单独分层几个部分，各部分模块互不干涉互不影响。
二、softmax多分类
softmax最后得出的计算概率，所有的计算概率之和为1，这一点是很棒的。这几个不会单独分开，是一个整体，要求第一个softmax计算概率必须得到s1和s2的值，通常情况我们把传递s1和s2的这一层称之为softmax层
当然，softmax模型同样是计算w0-w7这些参数
扫一扫
3万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
