本篇内容参考《百面机器学习》《统计学习方法》
第一部分 理论概述
1 Softmax回归是Logistc回归的一般化,适用于k分类问题,针对每个类别都有一个参数向量从而组成一个参数矩阵
2 Softmax函数本质上就是将k维度实数向量压缩成另一个k维实数向量,其中每个维度取值范围是(0,1)
第二部分 理论模型
1 模型前提
1)对于数据集而言,目标属性y具有k个类别(y=1,2,...,k)
2)目标属性的分布律
3)引入置信函数
2 建立模型
本篇内容参考《百面机器学习》《统计学习方法》
第一部分 理论概述
1 Softmax回归是Logistc回归的一般化,适用于k分类问题,针对每个类别都有一个参数向量从而组成一个参数矩阵
2 Softmax函数本质上就是将k维度实数向量压缩成另一个k维实数向量,其中每个维度取值范围是(0,1)
第二部分 理论模型
1 模型前提
1)对于数据集而言,目标属性y具有k个类别(y=1,2,...,k)
2)目标属性的分布律
3)引入置信函数
2 建立模型