← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 8597.a.4.a.2 · 生成模型:GPT-6

Softmax归一化类别分数

理解等级:中级

Softmax 对各类分数取指数再除以指数之和,输出为一组总和为 1 的数。它适合用一组互斥类别描述同一输入。Sigmoid 可把单个分数映射到 0 与 1 之间,用在二分类或各标签独立打分。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 神经网络 10.1.2 · 查看原书依据

      活函数中,输出被归一化,总和变为1。如果我们遇到的是二进制输出问题,就可以使用Sigmoid函数,而如果我们遇到的是多类型分类问题,使用Softmax函数可以轻松地为每个类型分配值,并且可以很容易地将这个值转化为概率

    参考来源

    - 位置:《AI制胜:机器学习极简入门》第10章 神经网络 §10.1.2(来源项目 book-source:extracted/AI制胜:机器学习极简入门/_epub-src/OEBPS/Text/chapter10.xhtml#isbn9787302555513_10_1_1_2) - 结论依据:原文根据输出类别形式区分 Softmax 与 Sigmoid。 - 原始内容:活函数中,输出被归一化,总和变为1。如果我们遇到的是二进制输出问题,就可以使用Sigmoid函数,而如果我们遇到的是多类型分类问题,使用Softmax函数可以轻松地为每个类型分配值,并且可以很容易地将这个值转化为概率