Softmax 函数的特点和作用是什么？

作者：张欣
链接：https://www.zhihu.com/question/23765351/answer/98897364
来源：知乎
著作权归作者所有，转载请联系作者获得授权。

softmax 回归(Softmax Regression) 这里解释的很详细，简单总结下：

softmax模型是logistic模型在多分类问题上的推广， logistic 回归是针对二分类问题的，类标记为{0， 1}。
假设函数为：。
代价函数为：<img src="https://pic1.zhimg.com/980d1a1ab6da9a277ee7fe5e2e5b6c1c_b.png" data-rawwidth="514" data-rawheight="61" class="origin_image zh-lightbox-thumb" width="514" data-original="https://pic1.zhimg.com/980d1a1ab6da9a277ee7fe5e2e5b6c1c_r.png">

在softmax模型中，label可以为k个不同的值。
对于给定的测试输入 ，我们想用假设函数针对每一个类别j估算出概率值。
假设函数将输出一个k维的向量
<img src="https://pic4.zhimg.com/242501fa80f9a1d463fb4b5d10d446b7_b.png" data-rawwidth="453" data-rawheight="111" class="origin_image zh-lightbox-thumb" width="453" data-original="https://pic4.zhimg.com/242501fa80f9a1d463fb4b5d10d446b7_r.png">
请注意 这一项对概率分布进行归一化，使得所有概率之和为 1 。
代价函数为：<img src="https://pic1.zhimg.com/558819625cec5f8b7cda33c4f7ea3acc_b.png" data-rawwidth="417" data-rawheight="61" class="content_image" width="417">其中：1{值为真的表达式}=1 为示性函数。其中：1{值为真的表达式}=1 为示性函数。
如果类别之间是互斥的，适合用softmax；如果类别之间允许重叠，应该选择k个logistic分类器。