Softmax分类 _—_很多时候，在多分类问题中我们希望输出的是取到某个类别的概率，或者说，我们希望分值大的那个类别被经常取到，而分值较小的那一项也有一定可能性偶尔被取到。Softmax即是这样一种模型， 最后的输出是每个类别被取到的概率值。
通常我们采用” 交叉熵“
它用来衡量两个取值为正的函数的相似性。对于两个完全相同的函数，它们的交叉熵为零；交叉熵越大，两个函数差异越大，反之，两个函数差异越大； 对于概率分布或者概率密度函数，如果取值均大于零，交叉熵可以度量两个随机分布的差异性。
作为Softmax分类模型的代价函数（原因是该模型试图通过Softmax值去拟合样本的真实类别标记，那么根据交叉熵，我们就需要 使得预测函数和真实函数的差异尽可能小）
Original: https://blog.csdn.net/Jeremiah_/article/details/120699377
Author: Eureka丶
Title: 机器学习——Softmax分类模型
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/664653/
转载文章受原作者版权保护。转载请注明原作者出处！