Softmax

原文地址：http://blog.csdn.net/hungryof/article/details/50395062

简介

其实吧，一般在神经网络中用的最多的是sigmoid和tanh，当然也有用relu的。这是针对“是”和“否”的分类，但当进行多分类时，就要用到softmax 。

在logistic回归中，训练样本是：{(x(1),y(1)),...,(x(m),y(m))} ，值得注意是，每个样本x(i)∈R(n+1) ,当然了，其中x0=1 是对应的截距项。也就是说，每个样本都是具有n+1维的向量，并且第1维都是为1（方便与参数θ 的第0维偏置b相乘)。

在logistic回归中，激活函数是：

hθ(x)=11+exp(−θTx)

训练θ 的最小化代价函数是：

J(θ)=−1m[∑i=1my(i)loghθ(x(i))+(1−y(i))log(1−hθ(x(x)))]

其中，hθ(x)=11+exp(−θTx) 对应的图形是：

，那么对应的对数图像是：

 

我们要做的是分类，因此当然是想知道，当输入x是，x分别属于每一个类的概率，概率最大的那个就是我们认为的属于的类。
让输出为一个向量，并且有k 维，分别代表属于i 类的概率。当然还要进行归一化，让输出的向量元素的值和为1.

hθ(x(i))=⎡⎣⎢⎢⎢⎢⎢p(y(i)=1∣x(i);θ)p(y(i)=2∣x(i);θ)⋮p(y(i)=k∣x(i);θ)⎤⎦⎥⎥⎥⎥⎥=1∑kj=1eθTjx(i)⎡⎣⎢⎢⎢⎢⎢⎢eθT1x(i)eθT2x(i)⋮eθTkx(i)⎤⎦⎥⎥⎥⎥⎥⎥

 

这里的eθTix(i) 就是yi ，因此就是对输出进行归一化。

上面的公式真难打。。
可以看出，我们将hθ(x(i)) 进行了变换，现在对于输入x(i) ，输出的是一个向量了，并不是像sigmoid的一个0~1的数。值得注意的是：θi∈Rn+1 是模型的参数。

softmax模型参数
softmax模型的参数是k个n+1维的θ 组成的矩阵，输出的是向量。

θ=⎡⎣⎢⎢⎢⎢⎢θT1θT2⋮θTk⎤⎦⎥⎥⎥⎥⎥

 

代价函数

1{⋅} 是indicator function,表示{}内的表达式正确为1，否则为0.
代价函数是：

J(θ)=−1m⎡⎣∑i=1m∑j=1k1{y(i)=j}logeθTjx(i)∑kl=1eθTlx(i)⎤⎦

可以这样理解,就是求另每个输入属于属于每一类的概率，再求平均。
对比logistic的J(θ)

J(θ)=−1m[∑i=1m(1−y(i))log(1−hθ(x(i)))+y(i)loghθ(x(i))]=−1m⎡⎣∑i=1m∑j=011{y(i)=j}logp(y(i)=j|x(i);θ)⎤⎦

可以看出，形式非常相似，只是在累的标记的k个可能值进行了累加。
将x分类到类别 j 的概率为：

p(y(i)=j|x(i);θ)=eθTjx(i)∑kl=1eθTlx(i)

经过求导，得到梯度公式：

∇θjJ(θ)=−1m∑i=1m[x(i)(1{y(i)=j}−p(y(i)=j|x(i);θ))]

∇θjJ(θ) 是一个向量，它的第l 个元素∂J(θ)∂θjl 是J(θ) 对θj 的第l 个分量的偏导。
每次更新：θj:=θj−α∇θjJ(θ) ,其中j∈[1,...,k]

 

权重衰减

虽然代价函数是上面形式，但是一般是添加一个权重衰减项λ2∑ki=1∑nj=0θ2ij ，衰减项主要是惩罚过大的参数。
此时：

J(θ)=−1m⎡⎣∑i=1m∑j=1k1{y(i)=j}logeθTjx(i)∑kl=1eθTlx(i)⎤⎦+λ2∑i=1k∑j=0nθ2ij

,求导变成：

∇θjJ(θ)=−1m∑i=1m[x(i)(1{y(i)=j}−p(y(i)=j|x(i);θ))]+λθj