Softmax回归
From Ufldl
(→简介) |
(→简介) |
||
| Line 10: | Line 10: | ||
| - | 回想一下在 logistic 回归中，我们的训练集由 <math>m</math>个已标记的样本构成：<math>\{ (x^{(1)}, y^{(1)}), \ldots, (x^{(m)}, y^{(m)}) \}</math> ，其中输入特征<math>x^{(i)} \in \Re^{n+1}</math>。（我们对符号的约定如下：特征向量 <math>x</math> 的维度为<math>n+1</math>，其中<math>x_0 = 1</math>对应截距项 。）由于 logistic 回归是针对二分类问题的，因此类标记 。假设函数(hypothesis function)如下： | + | 回想一下在 logistic 回归中，我们的训练集由 <math>m</math>个已标记的样本构成：<math>\{ (x^{(1)}, y^{(1)}), \ldots, (x^{(m)}, y^{(m)}) \}</math> ，其中输入特征<math>x^{(i)} \in \Re^{n+1}</math>。（我们对符号的约定如下：特征向量 <math>x</math> 的维度为<math>n+1</math>，其中<math>x_0 = 1</math>对应截距项 。）由于 logistic 回归是针对二分类问题的，因此类标记<math>y^{(i)} \in \{0,1\}</math>。假设函数(hypothesis function)如下： |
<math>\begin{align} | <math>\begin{align} | ||
