Softmax回归（多类分类模型）

发布时间：2024年01月14日

目录

1.对真实值类别编码：

在这里插入图片描述

  • y为真实值，有且仅有一个位置值为1，该位置即为该元素真实类别

2.预测值：

在这里插入图片描述

  • Oi为该元素与类别i匹配的置信度

3.目标函数要求：

在这里插入图片描述

  • 对于正确类y的置信度Oy要远远大于其他非正确类的置信度Oi，才能使识别到的正确类与错误类具有更明显的差距

4.使用Softmax模型将输出置信度Oi计算转换为输出匹配概率y^i：

在这里插入图片描述

  • y^为n维向量，每个元素非负且和为1
  • y^i为元素与类别i匹配的概率

5.使用交叉熵作为损失函数：

在这里插入图片描述

  • L为真实概率y与预测概率y^的差距
  • 分类问题不关心非正确类的预测值，只关心正确类的预测值有多大
文章来源:https://blog.csdn.net/m0_53881899/article/details/135582666
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
最新文章