sigmoid实例案例:(sigmoid作用就是把传统线性回归中的z 投射到分类问题(0,1)的概率中)
交叉熵损失函数扩充解释:
为什么二分类和多分类的不一样 因为在二分类问题中 每个样本得值是0或1 一组数据可以是[0,1,1,0,1,0,1] 多分类的数据只能是[[0,0,1],[0,1,0],[1,0,0],[0,1,0]]这种one-hot编码,所以公式直接是yi(c)log(pi(c))
yi(c)解释:
sigmoid实例案例:(sigmoid作用就是把传统线性回归中的z 投射到分类问题(0,1)的概率中)
交叉熵损失函数扩充解释:
为什么二分类和多分类的不一样 因为在二分类问题中 每个样本得值是0或1 一组数据可以是[0,1,1,0,1,0,1] 多分类的数据只能是[[0,0,1],[0,1,0],[1,0,0],[0,1,0]]这种one-hot编码,所以公式直接是yi(c)log(pi(c))
yi(c)解释:
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1576989.html
如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!