Logistic 回歸與 Softmax 回歸在解決二分類問題的區別

在學習邱錫鵬老師的《神經網絡與深度學習》的Softmax回歸時，他在最后提出了此問題。

久經思考后，沒想出來有什么區別。后來在看到以下這篇文章時，才理解了這個問題。

https://blog.csdn.net/huangfei711/article/details/79801968

此處不在贅述Logistic 回歸與 Softmax 回歸的相關知識點，別人寫的比我好。
總的來說，關于Logistic 回歸與 Softmax 回歸在解決二分類問題的區別，其實是二者在解決實際問題上不同應用場景所具備的條件而導致的區別，上面那篇文章中舉了個例子，非常形象生動，就是以下的例子：

使用 SoftMax 回歸或者是多個 Logistic 回歸二分類解決多分類問題，取決于類別之間是否互斥，例如，如果有四個類別的音樂，分別為：古典音樂、鄉村音樂、搖滾樂和爵士樂，那么可以假設每個訓練樣本只會被打上一個標簽（即：一首歌只能屬于這四種音樂類型的其中一種），此時你應該使用類別數 k = 4 的 SoftMax 回歸。（如果在你的數據集中，有的歌曲不屬于以上四類的其中任何一類，那么你可以添加一個“其他類”，并將類別數 k 設為5）。如果四個類別如下：人聲音樂、舞曲、影視原聲、流行歌曲，那么這些類別之間并不是互斥的。例如：一首歌曲可以來源于影視原聲，同時也包含人聲 。這種情況下，使用 4 個二分類的 Logistic 回歸分類器更為合適。這樣，對于每個新的音樂作品 ，我們的算法可以分別判斷它是否屬于各個類別。
————————————————
版權聲明：本文為CSDN博主「打工人小飛」的原創文章，遵循CC 4.0 BY-SA版權協議，轉載請附上原文出處鏈接及本聲明。
原文鏈接：https://blog.csdn.net/huangfei711/article/details/79801968

他寫的很清楚，主要區別就是使用 SoftMax 回歸或者是多個 Logistic 回歸二分類解決多分類問題，取決于類別之間是否互斥。
邱老師問道的是解決二分類問題，思想是一樣的。

總而言之，如果分類的類別是互斥的，使用Softmax 回歸；若不是互斥的，是相互混雜的，則使用Logistic回歸。

總結

以上是生活随笔為你收集整理的Logistic 回归与 Softmax 回归在解决二分类问题的区别的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。