第605章 多元分类用softmax函数用故事解释（第2页）

?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”

，帮我们做出合理的决策。

多层分类的中间层会有偏置和中间结果

用故事解释“偏置”

和“中间结果”

故事背景：魔法师的学徒

在一个魔法学院里，有一位年轻的学徒——小艾。

他正在学习如何用魔法配制“完美药水”

。

学院的导师告诉他：“要配出理想的药水，你需要三个关键步骤：”

1.收集原料（输入数据）

2.研磨并混合（计算中间结果）

3.调整口味（加上偏置）

小艾开始尝试：

?他拿了龙眼果（原料1），月光花（原料2），银露水（原料3），这些原料各自有不同的药效分数。

?他按照导师给的魔法公式进行计算，把这些原料的效果加权（类似于机器学习中的“权重”

）得到一个中间结果。

?但是，每次配出来的药水，总觉得有点偏酸或者偏苦，于是导师告诉他：“要加上一点魔法糖！”

这魔法糖就是偏置（bias）！

本章未完，点击下一页继续阅读