神经网络实战记录3—多分类回归单层神经网络模型实现

注：这里的代码的修改是和上一篇二分类逻辑斯蒂模型相比而言的
一、数据处理：
1.添加代码：
all_data.append(data)
all_labels.append(labels)
2.去掉代码：

3.在
里清楚之前code的输出
4.从第二个框code的运行结果可以看出这回train的数据集是50000个，test是10000个样本
5.
改成输出10个类别
（对比原二分类代码：
）
6.激活函数由sigmoid改为softmax：


7.tensorflow 方法如果有不清楚的可以查tensorflow官网的api
8.多分类回归模型P_Y得到的是一个分布，对于每一个样本都有关于10个label的一个改了，加起来等于1
9.因为第8点，所以y和p_y在求loss的时候，需要把y也变成一个分布，这里就需要用到one_hot编码

10.计算loss的方法可以用交叉熵也可以用平方差，在这里用平方差

11.预测值用最大值来求

12.准确率用correct_prediction做均值
13.训练代码（第四框）不需要改动
14.运行结果和二分类的准确率特别高（80％）不同，因为这个网络模型没有隐含层，所以只能达到29％左右


15.注释部分是平方差损失函数，代码部分是交叉熵损失函数：