知识卡片
Softmax把分类分数转成分布
对每一类先计算分数 zᵢ,再计算 pᵢ=exp(zᵢ)/Σⱼexp(zⱼ),得到各项为正、总和为 1 的向量。指数函数单调递增,因此分数最大的类仍有最大概率;书中暗示较低分数可能对应更大概率的说法不成立。分类时可取最大概率的索引;概率是否校准需要另行评估。计算时从所有分数中减去同一个最大值可改善数值稳定性。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 一骑红尘江湖笑,TensorFlow谷歌造 11.6 手写数字识别 MNIST · 查看原书依据
Softmax回归可视为逻辑回归在多分类问题上的推广。
参考来源
- 位置:《深度学习之美:AI时代的数据处理与最佳实践》第11章《一骑红尘江湖笑,TensorFlow谷歌造》,11.6 手写数字识别 MNIST(book-source:extracted/深度学习之美:AI时代的数据处理与最佳实践/_epub-src/OEBPS/Text/chapter16_0006.xhtml#txt011_31)
- 结论依据:原文模型、公式和代码;对书中不准确之处已按公式限定。
- 原始内容:Softmax回归可视为逻辑回归在多分类问题上的推广。