关于softmax函数,其本质是sigimoid函数的拓展。将一个二分类的问题转化为多分类的问题。
softmax函数的结果是一个概率值,概率越大,则越可能被分类为那一种。
在下图中,e的大概值为2.718,通过简单的指数计算,可得出中间值;再将中间值进行归一化,即可得到概率值,也就是分类结果。
这里,我们也展现出高中数学的指数函数图像。
很显然,其值都是非负的。 通过归一化后,其概率和为1.
关于softmax函数,其本质是sigimoid函数的拓展。将一个二分类的问题转化为多分类的问题。
softmax函数的结果是一个概率值,概率越大,则越可能被分类为那一种。
在下图中,e的大概值为2.718,通过简单的指数计算,可得出中间值;再将中间值进行归一化,即可得到概率值,也就是分类结果。
这里,我们也展现出高中数学的指数函数图像。
很显然,其值都是非负的。 通过归一化后,其概率和为1.