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} |