第605章 多元分类用softmax函数用故事解释（第2页）

3.

再计算每个候选人的支持度占比：

这样，每个人最终的选择概率就会落在

到

之间，并且所有候选人的概率加起来是

（保证了最终一定会选出一位村长）。

比喻解释：冰淇淋店的选择

假设你走进了一家冰淇淋店，店里有四种口味：

?

巧克力（你最爱）

?

香草（你觉得还行）

?

草莓（一般般）

?

抹茶（你不太喜欢）

如果你只是随意选，你可能会纠结，但softmax

规则就像是在你的大脑里装了一个“选择助理”

，它根据你对每个口味的喜爱程度（打分），帮你转换成最终的选择概率。

例如：

?

你对巧克力的喜爱度是9分，香草7分，草莓5分，抹茶2分。

?

softmax

把这些分数转化成指数值，然后归一化成概率：

结果就是，你有最高的概率选择巧克力，较低的概率选择香草，几乎不会选抹茶。

总结

softmax

函数的本质是：

1.

将原始分数（打分）转换成概率，使得总和为

1。

2.

指数放大优势，让分数高的选项更有可能被选中。

3.

让所有选项都有可能被选中（即使得分最低的选项概率也不会完全是0）。

无论是在选举、推荐系统还是ai分类任务中，softmax

都像一个“理性的选择助手”

本章未完，点击下一页继续阅读