东台网站网站建设,网站开发和ipv6,网页设计模板素材网站,app关键词排名优化1.softmax回归 Softmax回归#xff08;Softmax Regression#xff09;是一种常见的多分类模型#xff0c;可以用于将输入变量映射到多个类别的概率分布中。softmax回归是机器学习中非常重要并且经典的模型#xff0c;虽然叫回归#xff0c;实际上是一个分类问题 1.1分类与…1.softmax回归 Softmax回归Softmax Regression是一种常见的多分类模型可以用于将输入变量映射到多个类别的概率分布中。softmax回归是机器学习中非常重要并且经典的模型虽然叫回归实际上是一个分类问题 1.1分类与回归 回归是估计一个连续值分类是预测一个连续的类别 示例 1.2从回归到多类分类 区别分类问题从单输出变成了多输出输出个数为类别个数 注类别可能是一个数也可能是一串字符串例如A类1类等
一位有效编码规定的在一个位置上其值为0或者1,1表示有效0表示无效有效的那一位为1其余位全为0。
1.2.1无校验比例 不关心置信度的值是多少只关心正确类别的置信度的值要远远高于其他非正确类的置信度。
1.2.2校验比例 1.2.3softmax和交叉熵损失 注一般来说使用真实概率与预测概率的区别来作为损失
不关心非正确类的预测值只关心正确类的预测值有多大
1.2.4总结 softmax回归是一个多分类分类模型 使用softmax操作得到每个类的预测置信概率非负且和为1
2.损失函数 损失函数——用来衡量预测值和真实值之间的区别。 2.1常用损失函数
2.1.1 L2 Loss均方损失 注当y和y‘ 相距比较远横轴到零点的距离越远梯度越大对参数的更新越多更新的幅度越大反之亦然。
2.1.2 L1 Loss绝对值损失函数 2.1.3 Huber’s Robust LossHuber 鲁棒损失 3.图片分类数据集
实际操作和代码见链接
3.5. 图像分类数据集 — 动手学深度学习 2.0.0 documentation
