机器学习入门:Softmax

1.当输入变量和我们尝试去预测的输出变量之间是线性相关时,或者当解释模型的能力很重要时(例如,隔离任何一个输入变量对于预测的影响),逻辑回归对于二进制分类是比较合适的选择。2.决策树和随机森林是非线性

机器人学习入门教程，刚学习机器人制作的同学可以参考学习

可以直接加载tf.keras.datasets.fashion_mnist.load_data()太慢可以使用现成的数据集可以直接放文件夹C:\Users\用户\.keras\datasets

softmax_data_and_code

caffe中使用L-softmax代替softmax损失,在mnist数据集上测试,并画出最后的测试效果图。

tensorflow中MNIST源码mnist_softmax.py

对softmax分类器简单的介绍，适合初学者快速了解softmax分类器的基本原理。

自编函数实现梯度下降softmax回归，程序注释清楚。

初学机器学习，使用python写的softmax示例，实现mnist数字识别。未使用第三方库。

数据集：minist 分类器：softmax 实现语言：matlab 功能：训练+预测