深度學習一

Logistic Regression with Softmax and Cross-Entropy

分布向量（Distribution Vector）與標簽向量（Label Vector）的距離

由Softmax函數(shù)得到的分布向量，對與數(shù)乘運算比較敏感（例如，對分布向量乘以10，可以得到一個概率趨近于1或0的分布；而對分布向量除以10，則可能得到一個均勻分布的向量），基于此，需要度量分布向量和標簽向量的距離。

1.png

圖中S表示分布向量，L表示標簽向量。S、L的位置不可以互換，因為對數(shù)函數(shù)的存在。

完整的Logistic Regression如下圖所示。

2.png
最后編輯于 ：
?著作權歸作者所有,轉載或內容合作請聯(lián)系作者
【社區(qū)內容提示】社區(qū)部分內容疑似由AI輔助生成，瀏覽時請結合常識與多方信息審慎甄別。
平臺聲明：文章內容（如有圖片或視頻亦包括在內）由作者上傳并發(fā)布，文章內容僅代表作者本人觀點，簡書系信息發(fā)布平臺，僅提供信息存儲服務。

相關閱讀更多精彩內容

友情鏈接更多精彩內容