1回答

liuyubobobo

2021-09-25

已采纳

Softmax Regression 这个课程没有介绍。但是你的理解似乎有一些问题，简单“高屋建瓴”地说一下。

最最重要的一点，Softmax Regression 对比的不是线性回归。因为 Softmax Regression 解决的不是回归问题，而是分类问题。这一点是和 Logistic Regression 一致的（虽然算法叫 Regression，但解决的是分类问题。为什么这样？课程中有介绍，回忆一下？）

而实际上，Softmax Regression 的另一个名字就是 multinomial logistic regression，也就是多元逻辑回归。我们这个课程介绍的逻辑回归，只能处理二分类问题，如果要使用逻辑回归处理多分类问题，只能用 OvO 或者 OvR 的方式。但是 Softmax Regression 能直接处理多分类问题。

实际上，Softmax Regression 是 Logistic Regression 的“泛化”，Logistic Regression 是 Softmax Regression 的“退化”。也就是如果使用 Softmax Regression 处理二分类问题，最终得到的结果是和 Logistic Regression 一致的。Logistic Regression 就是 Softmax Regression 处理二分类问题的特例。

我不太理解你说的“离散的”是什么意思。但是从线性的角度，Softmax Regression 是线性的。要注意的是，这里说的线性，是针对传入模型的特征说的。你有可能在传入模型前，对特征做了非线性处理（比如多项式特征），使得最终的结果针对原特征是非线性的。可以参考这个问答的后半部分：https://coding.imooc.com/learn/questiondetail/GgzqwXj5ldyYDxW0.html

这是我在网上找到的一个 softmax regression 分类的决策边界，你可以明显看出来他们是线性的：

其实你要看它背后的数学，也很好理解，因为它的本质是把 theta * x 放到 softmax 函数上。

继续加油！：）

1

3

nifo

回复

liuyubobobo

是的，但是主要是导师希望我能快速上手。。。。。其实私下来讲坏话，我也感觉这种方式学习不好，因为忽略底层和概念，之后遇到问题还是一脸懵。只是在那边调框架或者现有的东西，反正什么原理之类我都不懂，至于为什么，那就是玄学。。。。。

2021-09-25

共3条回复