softmax算法——处理分类问题
一 介绍
softmax基本可以算是分类任务的标配。本篇介绍softmax是什么，以及softmax图解和举例。
二 什么是softmax
现实生活中需要对某一问题进行多种分类，例如对图片进行分类的例子，这时就需要使用softmax算法。
softmax，就是如果判断输入属于某一个类的概率大于属于其他类的概率，那么这个类对应的值就逼近于1，其他类的值就逼近于0.该算法主要应用就是多分类，而且是互斥的，即只能属于其中的一个类。与sigmoid类的**函数不同的是，一般的**函数值只能分两类，所以可以理解Softmax是Sigmoid类的**函数的扩展，其定义如下：
假设我们有一个数组V，Vi表示V中的第i个元素，那么这个元素的Softmax值就是
也就是说，是该元素的指数，与所有元素指数和的比值，所有比值之和能保证总和为1
三 图解公式
四 举例
某个样本经过生成的值为y1为5，y2为3，y3为2，那么对于的概率y1=5/10=0.5.y2=3/10,y3=2/10,于是取最大值的值y1为最终分类。
softmax在机器学习中有非常广泛的应用，MNIST的每一张图都表示一个数字，从0到9.我们希望得到给定图片代表某个数字的概念。例如，训练的模型可能推测一张包含9的图片代表9的概念未80%，但是判断8的概念为5%（因为8和9都是上半部分相似的小圆），判断它代表其他数字的概率更小。于是取最大概率的对应数值，就是这个图片的分类。这个是一个实用softmax回归模型的经典案例。
五 小技巧
在实际实用中，softmax伴随的分类标签都是one_hot编码，而且这里还有个小技巧，在softmax时候需要将目标分成几类，就在最后这层放几个节点。
六 参考