出力層で使うソフトマックス関数 - HELLO CYBERNETICS

ニューラルネットの分類問題 分類するクラスの数＝出力層のユニットの数 ラベルデータ 現実の出力 ソフトマックス関数 確率を出力している 交差エントロピー 損失関数 交差エントロピーを用いる理由 ニューラルネットの分類問題 分類するクラスの数＝出力層のユニットの数 ニューラルネットワークで分類問題を解く場合は、入力層はデータの次元の数に合わせ、中間層は任意の構造を持たせることができますが、出力層は分類したい種類（クラス）と同じ数のユニットで構成します。 あるデータから、男女を判別したいならば出力層のユニットは2つですし、お馴染みの手書き文字認識のmnistを使う場合は「0〜9」の手書き文字を認識するために10個のユニットを出力層に準備するということです。 ラベルデータ 入力データに対してそのラベル（答え）をとした時に、は分類したいクラスの数（出力層のユニットの数）の次元を持つことになります。