Softmax回归

中文版
10

问题都挺难的，只做了第一道题，二阶导数是softmax(Oj)+(softmax(Oj))**2

11

Y是独热向量，无论是哪一个Yj，只有Yj=1，其他都是0， 所以最后总和是1

12

关于3.4.8， 不太明白等式右边yj×log(y^j)里面的第一个yj 怎么出来的

13

第一个yj 是真实y的独热编码的第j位 不是0 就是1

1 Like
14

老实说，感觉是机器翻译一样。。。
读起来非常生涩，估计是我水平不够= =

2 Likes
15

softmax(oj) * (1-softmax(oj))

5 Likes
16

image
image1154×70 8.7 KB

4 Likes
17

image
报告一个错误，然而“我们”

9 Likes
18

请问如何理解“梯度是真是概率和预测概率的区别”这句话？

2 Likes
19

3.4.6中的公式log不写底数看起来好奇怪，感觉应该写ln，后面求导直接用的ln

1 Like
20

大佬，能看看你的过程吗，我不会做哈哈……

21

对咱俩的答案一样，没问题？这个还有20的限制吗

22

3.4.7建议解释下，看的一脸懵逼，下面的回复解释的也不太清晰

23

这一节分类标签，(鸡，猫，狗)，上下文不一致。

24

请问“课后联系”的代码在哪里可以下载？或者文档也可以

25

image

2 Likes
26

image
这部分不少人读不懂，感觉不是很通透，希望解答下

2 Likes
27

@richard001 @shayneliu @aaronshi2017

图片
图片1136×753 44.6 KB

@goldpiggy 顺便一提，我能把这个插入到源文件中吗？我觉得目前的解释有点过于精炼了……

33 Likes
29

好棒！懂了。不过3.4.7中，请问为何image 直接就相等了呀。不理解

4 Likes
30

这是一种简略的写法，实际上是新定义了一个函数，也就是图片 ，使其等于图片

5 Likes