Softmax 函数主要用于多类别分类问题，它将输入的数值转换为概率分布。

具体来说，对于给定的输入向量 x = [x_1, x_2,..., x_n] ，Softmax 函数的输出为 y = [y_1, y_2,..., y_n] ，其中：

这样，Softmax 函数的输出满足以下两个性质：

1. 所有输出值都在 0 到 1 之间。

2. 所有输出值的总和为 1，形成一个概率分布。

在神经网络中，常常在输出层使用 Softmax 函数，将网络的输出转换为各个类别的概率估计，以便进行分类决策。