1.视频网站:mooc慕课https://mooc.study.163.com/university/deeplearning_ai#/c
2.详细笔记网站(中文):http://www.ai-start.com/dl2017/
3.github课件+作业+答案:https://github.com/stormstone/deeplearning.ai
3.8 Softmax 回归 Softmax regression
到目前为止,我们讲到过的分类的例子都使用了二分分类,这种分类只有两种可能的标记0或1。如果我们有多种可能的类型的话呢?有一种逻辑回归的一般形式,叫做Softmax回归,能让你在试图识别某一分类时做出预测,或者说是多种分类中的一个,不只是识别两个分类,我们来一起看一下。
观察上图。假设你不单需要识别猫,而是想识别猫,狗和小鸡。我把猫叫做类1,狗为类2,小鸡是类3,如果不属于以上任何一类,就分到“其它”或者说“以上均不符合”这一类,我把它叫做类0。
这里显示的图片及其对应的分类就是一个例子。左边第一幅图片上是一只小鸡,所以是类3,第二幅猫是类1,第三幅狗是类2,第四幅是一只考拉,所以以上均不符合,那就是类0,第五幅小鸡类3,以此类推。
我们将用符号 C C C表示你的输入会被分入的类别总个数。在这个例子中,我们有4种可能的类别,包括“其它”或“以上均不符合”这一类。当有4个分类时,指示类别的数字,就是从0到 C − 1 C-1 C−1,换句话说就是0、1、2、3。
如上图。
在这个例子中,我们将建立一个NN,其输出层有4个,或者说
C
C
C个输出单元。因此,
n
n
n,即输出层也就是
L
L
L 层的单元数量,等于4,或者一般而言等于
C
C
C。
n
[
L
]
=
C
=
4
n^{[L]}=C=4
n[L]=C=4
我们想要输出层单元的数字告诉我们这4种类型中每个的概率有多大,所以
- 输出层的第一个节点输出的应该是或者说我们希望它输出“其它”类的概率, P ( o t h e r ∣ x ) P(other|x) P(other∣x)。
- 在输入 x x x的情况下,输出层第二个节点会输出猫的概率, P ( c a t ∣ x ) P(cat|x) P(cat∣x)。
- 在输入 x x x的情况下,输出层第三个节点会输出狗的概率, P ( d o g ∣ x ) P(dog|x) P(dog∣x)。
- 在输入 x x x的情况下,输出层第四个节点会输出小鸡的概率,我把小鸡缩写为bc(baby chick), P ( b c ∣ x ) P(bc|x) P(bc∣x)。
因此预测值 y ^ \hat y y^将是一个 4x1 维向量,因为它必须输出四个数字。而这四种概率,它们加起来应该等于1,即,输出层中的四个数字加起来应该等于1。
让你的网络做到这一点的标准模型要用到Softmax层,以及输出层来生成输出 y ^ \hat y y^。
我们来观察一下公式。
在NN的最后一层,你将会像往常一样计算各层的线性部分。
z
[
L
]
z^{[L]}
z[L]是最后一层的z变量,
L
L
L是层数。
z
[
L
]
=
W
[
L
]
a
[
L
−
1
]
+
b
[
L
]
z^{[L]}=W^{[L]}a^{[L-1]}+b^{[L]}
z[L]=W[L]a[L−1]+b[L]。
然后,我们需要应用Softmax激活函数。这个激活函数对于Softmax层而言有些不同,它的作用是这样的。
首先,我们要计算一个临时变量,我们把它叫做 t t t, t = e z [ L ] t=e^{z^{[L]}} t=ez[L],这适用于每个元素。由于 z [ L ] z^{[L]} z[L]的维度是 4x1,所以 t t t的维度也是 4x1。
然后输出的 a [ L ] a^{[L]} a[L], a [ L ] = e z [ L ] ∑ i = 1 4 t i a^{[L]}=\frac{e^{z^{[L]}}}{\sum_{i=1}^4 t_i} a[L]=∑i=14tiez[L],分母是把向量 t t t归一化,和为1。 a [ L ] a^{[L]} a[L]也是 4x1 维向量。这个四维向量的第个元素 a i [ L ] = t i ∑ i = 1 4 t i a^{[L]}_i=\frac{t_i}{\sum_{i=1}^4 t_i} ai[L]=∑i=14titi。
例,假设 z [ L ] = [ 5 2 − 1 3 ] z^{[L]}= \begin{bmatrix} 5 \\ 2 \\ -1 \\ 3 \\ \end{bmatrix} z[L]=⎣⎢⎢⎡52−13⎦⎥⎥⎤,所以 t = [ e 5 e 2 e − 1 e 3 ] = [ 148.4 7.4 0.4 20.1 ] t=\begin{bmatrix} e^5 \\ e^2 \\ e^{-1} \\ e^3 \\ \end{bmatrix}=\begin{bmatrix} 148.4 \\ 7.4 \\ 0.4 \\ 20.1 \\ \end{bmatrix} t=⎣⎢⎢⎡e5e2e−1e3⎦⎥⎥⎤=⎣⎢⎢⎡148.47.40.420.1⎦⎥⎥⎤,所以 a [ L ] = t 176.3 a^{[L]}=\frac{t}{176.3} a[L]=176.3t。
此时,输出层第一个节点,
a
1
[
L
]
=
148.4
176.3
=
0.842
a^{[L]}_1=\frac{148.4}{176.3}=0.842
a1[L]=176.3148.4=0.842,即,类别0的概率是84.2%。
输出层第二个节点,
a
1
[
L
]
=
7.4
176.3
=
0.042
a^{[L]}_1=\frac{7.4}{176.3}=0.042
a1[L]=176.37.4=0.042,即,类别1的概率是4.2%。
输出层第三个节点,
a
1
[
L
]
=
0.4
176.3
=
0.002
a^{[L]}_1=\frac{0.4}{176.3}=0.002
a1[L]=176.30.4=0.002,即,类别2的概率是0.2%。
输出层第四个节点,
a
1
[
L
]
=
20.1
176.3
=
0.114
a^{[L]}_1=\frac{20.1}{176.3}=0.114
a1[L]=176.320.1=0.114,即,类别3的概率是11.4%。
最终,NN的输出 a [ L ] a^{[L]} a[L],也就是 y ^ \hat y y^,是一个4×1维向量, y ^ = [ 0.842 0.042 0.002 0.114 ] \hat y=\begin{bmatrix} 0.842 \\ 0.042 \\ 0.002 \\ 0.114 \\ \end{bmatrix} y^=⎣⎢⎢⎡0.8420.0420.0020.114⎦⎥⎥⎤,4个元素总和为1,也就是4个分类的概率之和为1。
我们总结一下从 z [ L ] z^{[L]} z[L]到 a [ L ] a^{[L]} a[L]的计算步骤,从计算幂到得出临时变量 t t t,再归一化,我们可以将此概括为一个Softmax激活函数。这一激活函数的与众不同之处在于,这个激活函数 需要输入一个4×1维向量,然后输出一个4×1维向量。
之前我们的激活函数都是接受单行数值输入,例如Sigmoid和ReLu激活函数,输入一个实数,输出一个实数。Softmax激活函数的特殊之处在于,因为需要将所有可能的输出归一化,就需要输入一个向量,最后输出一个向量。
那么Softmax分类器还可以代表其它的什么东西么?
举几个例子,有两个输入
x
1
x_1
x1,
x
2
x_2
x2,它们直接输入到Softmax层。Softmax层有三四个或者更多的输出节点,输出为
y
^
\hat y
y^。
观察上图。这是一个没有隐藏层的NN,它所做的就是计算
z
[
1
]
=
W
[
1
]
x
+
b
[
1
]
z^{[1]}=W^{[1]}x+b^{[1]}
z[1]=W[1]x+b[1],而输出的
a
[
1
]
a^{[1]}
a[1],或者说
y
^
\hat y
y^,
a
[
1
]
=
y
^
=
g
(
z
[
1
]
)
a^{[1]}=\hat y=g(z^{[1]})
a[1]=y^=g(z[1]),就是的Softmax激活函数。
上图中,原始输入只有 x 1 x_1 x1和 x 2 x_2 x2,一个 C = 3 C=3 C=3个输出分类的Softmax层能够代表这种类型的决策边界。请注意图中的几条线性决策边界,这使得它能够将数据分到3个类别中。
在这张图中,我们所做的是选择这张图中显示的训练集,用数据的3种输出标签来训练Softmax分类器,图中的颜色显示了Softmax分类器的输出的阈值。输入的着色是基于三种输出中概率最高的那种。因此我们可以看到这是逻辑回归的一般形式,有类似线性的决策边界,但有超过两个分类,分类不只有0和1,而是可以是0,1或2。
再看上图,这是另2个Softmax分类器可以代表的决策边界的例子,用有三个分类的数据集来训练。直觉告诉我们,任何两个分类之间的决策边界都是线性的,这就是为什么你看到,比如右图中,黄色和红色分类之间的决策边界是线性边界,紫色和红色之间的也是线性边界,紫色和黄色之间的也是线性决策边界,但它能用这些不同的线性函数来把空间分成三类。
我们来看一下更多分类的例子。
上图中左图
C
=
4
C=4
C=4,因此绿色分类和Softmax仍旧可以代表多种分类之间的这些类型的线性决策边界。中间图是
C
=
5
C=5
C=5类。最后一个例子右图是
C
=
6
C=6
C=6。这些例子显示了Softmax分类器在没有隐藏层的情况下能够做到的事情。
当然更深的NN会有输入 x x x,然后是一些隐藏单元,再到预测输出 y ^ \hat y y^等等,你就可以学习更复杂的非线性决策边界,来区分多种不同分类。
以上这些就是NN中的Softmax层或者Softmax激活函数的作用。