机器学习——softmax回归和分类问题

分类问题

⬆️独热标签向量

 

网络架构

 

softmax运算

 

小批量样本的矢量化

 

损失函数

 

 

模型预测与评估 

在训练softmax回归模型后，给出任何样本特征，我们可以预测每个输出类别的概率。 通常我们使用预测概率最高的类别作为输出类别。 如果预测与实际类别（标签）一致，则预测是正确的。 在接下来的实验中，我们将使用精度（accuracy）来评估模型的性能。 精度等于正确预测数与预测总数之间的比率。

 

总结

 

• softmax运算获取一个向量并将其映射为概率。

• softmax回归适用于分类问题，分类问题使用了softmax运算中输出类别的概率分布。

• 交叉熵是一个衡量两个概率分布之间差异的很好的度量