end0tknr https://blog.hatena.ne.jp/end0tknr/ end0tknr's kipple - web写経開発 https://end0tknr.hateblo.jp/ 以前のエントリで扱った線形多項分類は3次元でしたので、モデルの図示も容易でしたが、 今回は、3次元超も扱える線形多項分類を考えます。 基本となる予測関数とソフトマックス関数 座標:(x1,x2, … , xM)を持つM次空間をK個の領域に分割する予測関数と ソフトマックス関数は次の通り。 予測関数とソフトマックス関数を、行列式で表す N個のトレーニングデータにある 28x28ピクセル(=784次元)の画像に記載された0～9の数値を想定した場合、 M=784, K=10 となり、先程の予測関数は、次の行列式で表せます。 となる。 更にこれをソフトマックス関数で表すと、次のようになります。 これを… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Fend0tknr.hateblo.jp%2Fentry%2F20170409%2F1491735004" title="3次元超も扱う線形多項分類 - end0tknr&#39;s kipple - web写経開発" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> http://chart.apis.google.com/chart?cht=tx&chl=%20%5Cdisplaystyle%20%5CLarge%0Af_%7Bk%7D%20%28x_1%2C%20x_2%2C%20%5Ccdots%20%2C%20x_M%29%20%3D%0A%20%20w_%7B0k%7D%20%2B%20w_%7Bk1%7D%20x_%7B1%7D%20%2B%20w_%7Bk2%7D%20x_%7B2%7D%20%2B%20%5Ccdots%20%2B%20w_%7BkM%7D%20x_%7BM%7D%20%5C%5C%0A%20%20k%20%3D%201%20%2C%20%5Ccdots%20%2C%20M%0A Hatena Blog https://hatena.blog 2017-04-09 19:50:04 rich https://end0tknr.hateblo.jp/entry/20170409/1491735004 1.0 100%