pytorch学习--softmax回归

softmax回归

softmax回归本质是分类问题。
回归:估计一个连续值
分类:预测一个离散类别
在这里插入图片描述

softmax函数能够将为规划的预测变换为非负数并且总和为1,同时让模型保持可导的性质。如:
在这里插入图片描述

回归到多类分类

均方损失

  • 对类别进行一位有效编码
    在这里插入图片描述
  • 使用均方损失训练
  • 最大值作为预测
    在这里插入图片描述
  • 更置信的识别正确类
    在这里插入图片描述

校验

  • 输出匹配概率(使输出非负,和为1)
    在这里插入图片描述
  • 概率y和y_bar 的区别作为损失

交叉熵(cross entropy)

衡量两个概率的区别 在这里插入图片描述
将其作为损失
在这里插入图片描述
其梯度是真实概率和预测概率的区别
在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值