知识卡片
多分类模型的形状
四个输入特征和三个类别对应 x 为 4×1、权重 W 为 3×4、偏置 b 为 3×1;线性得分 Wx+b 为 3×1,经 Softmax 得到三类概率。训练使用独热标签和交叉熵,预测取最大概率类别。书中示例 150 个样本、批大小 16,最后 6 个梯度没有在本轮显式更新或清理,会留到下一轮;实现时应明确尾批策略。
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
- 逻辑回归 4.6 实例:鸢尾花 · 查看原书依据
这是一个四特征、三类别的分类问题
参考来源
- 位置:《用Python实现深度学习框架》第4章《逻辑回归》,4.6 实例:鸢尾花(来源项目 book-source:`extracted/用Python实现深度学习框架/_epub-src/text/part0000_split_040.html`)
- 结论依据:原文给出样本维度、类别数和节点形状;尾批问题依据样本数与代码中仅满批更新的逻辑推断。
- 原始内容:这是一个四特征、三类别的分类问题。