Softmax回归

softmax回归和线性回归都是将输入特征与权重做线性叠加,然后不断利用标签与输出结果算损失函数,再做小批量随机梯度下降来不断优化参数.
不同点:
1.线性回归解决连续值的预测问题
softmax解决离散的分类问题
2.线性回归直接将线性运算的值作为输出值,当预测值
softmax回归将线性运算的值进一步处理做softmax运算(指数运算并归一化,来代表概率),最后输出值的个数等于类别数,值表示的意义为各个分类的置信度
3.损失函数不同:线性回归损失函数是平方损失
softmax回归损失函数是交叉熵