Softmaxfunktio

Softmaxfunktio, tunnettu myös nimellä normalisoitu eksponenttifunktio, on matemaattinen funktio, joka muuntaa vektorin todellisia numeroita todennäköisyysjakaumaksi. Sen tulokset ovat positiivisia ja niiden summa on aina yksi. Tämä tekee siitä erittäin hyödyllisen luokittelutehtävissä koneoppimisessa, erityisesti neuroverkoissa.

Funktion kaava on seuraava: kun meillä on syötevektori z = [z1, z2, ..., zk], softmax-funktion tulos on vektori σ(z) = [σ(z)1, σ(z)2, ..., σ(z)k], missä σ(z)i = exp(zi) / Σj=1^k exp(zj). Eksponentiaalinen funktio varmistaa, että kaikki tulokset ovat positiivisia, ja jakaminen kaikkien eksponentoitujen syötteiden summalla normalisoi tulokset siten, että niiden summa on yksi.

Softmaxfunktiota käytetään yleisesti viimeisenä kerroksena neuroverkoissa, jotka suorittavat moniluokkaisia luokittelutehtäviä. Se antaa jokaiselle mahdolliselle luokalle todennäköisyyden, ja luokan, jolla on korkein todennäköisyys, valitaan ennusteeksi. Esimerkiksi kuvanluokittelussa, jossa pyritään tunnistamaan, onko kuvassa kissa, koira vai lintu, softmax-funktio antaisi todennäköisyyden jokaiselle näistä luokista.