Softmax 回归是一种基于逻辑回归的分类方法，适用于多分类问题。它的核心思想是将多个分类的概率映射到 0-1 之间，使得概率之和为 1。
训练 softmax 回归循环模型与训练线性回归模型非常相似：先读取数据，再定义模型和损失函数，然后使用优化算法训练模型。
Softmax 回归是逻辑回归在多分类问题上的推广。它将每个类别的线性函数的输出映射到 (0,1) 之间，并且所有类别的输出概率之和为 1。
逻辑回归是一种数据分析技术，它使用数学来找出两个数据因子之间的关系。然后，使用此关系根据其中一个因子预测另一个因子的值。
在机器学习中，超参数是事先给定的，用来控制学习过程的参数。而其他参数的值是通过训练得出的。超参数可分为模型超参数和算法超参数。模型超参数主要用于模型选择，其无助于学习训练集特征；而算法超参数理论上对模型的性能没有影响，而会影响学习的速度和质量。
然而逻辑回归是通过回归的思想来解决二分类问题的算法。
就像学 Photoshop 一定要记住快捷键一样，作为一名合格的 basher，一定也要学会使用命令行快捷键，让效率事半功倍；涉及在 linux 命令行下进行快速移动光标、命令编辑、编辑后执行历史命令、控制命令等。