“第一个TF程序：Softmax回归介绍”的版本间的差异
来自CloudWiki
（创建页面，内容为“ == Softmax回归介绍 == <p>我们知道MNIST的每一张图片都表示一个数字，从0到9。我们希望得到给定图片代表每个数字的概率。比…”） |
|||
| 第4行： | 第4行： | ||
<p>这是一个使用softmax回归（softmax regression）模型的经典案例。softmax模型可以用来给不同的对象分配概率。好了，那么概率又是什么东东？你可以把它看作是实现某件事情的可能性，如足彩中，鲁能泰山队赢上海上港的概率为50%，平和输的概率分别为30%、20%。</p> | <p>这是一个使用softmax回归（softmax regression）模型的经典案例。softmax模型可以用来给不同的对象分配概率。好了，那么概率又是什么东东？你可以把它看作是实现某件事情的可能性，如足彩中，鲁能泰山队赢上海上港的概率为50%，平和输的概率分别为30%、20%。</p> | ||
<p>softmax回归（softmax regression）分两步：</p> | <p>softmax回归（softmax regression）分两步：</p> | ||
| − | <p> | + | <p>第一步：为了得到一张给定图片属于某个特定数字类的证据（evidence），我们对图片像素值进行加权求和，求出的和越大，代表它属于某个数字的证据越大</p> |
| − | <p> | + | <p>比如说，对于给定的输入图片 x 它代表的是数字 i 的证据可以表示为：</p> |
<p>[[文件:t1-8.png]]</p> | <p>[[文件:t1-8.png]]</p> | ||
| − | <p> | + | <p>其中j 代表给定图片 x 的像素索引用于像素求和，W<sub>i</sub> 代表权重，, b<sub>i</sub>代表数字 i 类的偏置量，</p> |
| + | 。如果这个像素具有很强的证据说明这张图片不属于该类，那么相应的权值为负数，相反如果这个像素拥有有利的证据支持这张图片属于这个类，那么权值是正数。</p> | ||
2017年11月11日 (六) 04:09的版本
Softmax回归介绍
我们知道MNIST的每一张图片都表示一个数字，从0到9。我们希望得到给定图片代表每个数字的概率。比如说，我们的模型可能推测一张包含9的图片代表数字9的概率是80%但是判断它是8的概率是5%（因为8和9都有上半部分的小圆），然后给予它代表其他数字的概率更小的值。
这是一个使用softmax回归（softmax regression）模型的经典案例。softmax模型可以用来给不同的对象分配概率。好了，那么概率又是什么东东？你可以把它看作是实现某件事情的可能性，如足彩中，鲁能泰山队赢上海上港的概率为50%，平和输的概率分别为30%、20%。
softmax回归（softmax regression）分两步：
第一步：为了得到一张给定图片属于某个特定数字类的证据（evidence），我们对图片像素值进行加权求和，求出的和越大，代表它属于某个数字的证据越大
比如说，对于给定的输入图片 x 它代表的是数字 i 的证据可以表示为：
其中j 代表给定图片 x 的像素索引用于像素求和，Wi 代表权重，, bi代表数字 i 类的偏置量，
。如果这个像素具有很强的证据说明这张图片不属于该类，那么相应的权值为负数，相反如果这个像素拥有有利的证据支持这张图片属于这个类，那么权值是正数。</p>
