人工智能基础_机器学习049_使用逻辑回归_并指定使用softmax进行多分类_并拆解softmax计算过程_手动写代码展现softmax计算过程---人工智能工作笔记0089

本文介绍了如何手动计算softmax函数以及使用逻辑回归解决多分类问题。通过Python代码展示了softmax的实现,解释了为何在softmax计算中分母应该是每行的总和,并修复了相应错误,最终比较了手动计算与模型预测的概率一致性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

首先我们把softmax的函数写出来

这张图片中的文档内容如下:
def softmax(z):

        return np.exp(z)/np.exp(z).sum()

z=[3,1,-3]

softmax(2).round(2) 

这个就是按照softmax的公式去写的这个函数对吧

然后我们首先使用LogisticRegression来计算一下,来使用softmax进行一下多分类问题的计算

首先去准备数据
import numpy as np 导入数学计算包

from sklearn import datasets 导入数据

from sklearn.linear_model import LogisticRegression# 训练数据和测试对比

from sklearn.model_selection import train_test_split 导入数据拆分工具

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

添柴程序猿

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值