逻辑回归与softmax回归的区别

我知道逻辑回归用于二元分类,而softmax回归用于多类问题。如果我用相同的数据训练多个逻辑回归模型,并规范化它们的输出以获得一个多类分类器,而不是使用一个softmax模型,会有什么不同吗?我假设结果是相同的。我可以说:“所有的多类分类器都是二元分类器的级联结果”(除了神经网络之外)。


回答:

多个逻辑回归模型与softmax输出之间存在一些细微的差异。

本质上,您可以将大小为d的输入映射到单个输出k次,或者一次性将大小为d的输入映射到k个输出。然而,多个逻辑回归模型会造成混淆,并且在实践中表现较差。这是因为大多数库(TensorFlow、Caffe、Theano)都是用低级编译语言实现的,并且高度优化。由于管理多个逻辑回归模型很可能是在更高层次上处理的,因此应避免这样做。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注