Questions tagged «multinomial»

我观察到Caffe（深度学习框架）使用Softmax损失层 SoftmaxWithLoss作为大多数模型样本的输出层。 据我所知，Softmax损失层是多项逻辑损失层和Softmax层的组合。 他们从Caffe说 Softmax损失层梯度计算在数值上更稳定 但是，这种解释不是我想要的答案，它只是比较多项逻辑损失层和Softmax损失层的组合，而不是逐层进行比较。但是不能与其他类型的损失函数相比较。 但是，我想更多地了解在监督学习的角度来看这3个误差函数（即多项式Lo​​gistic损失，交叉熵（CE）和平方误差（SE））的区别/优点/缺点是什么？有支持文章吗？

9 multinomial  entropy  sums-of-squares  softmax 

如果 x1,x2,…,xnx1,x2,…,xnx_1, x_2, \ldots, x_n 都是负二项式，那么分布是什么 (x1,x2,…,xn)(x1,x2,…,xn)(x_1, x_2, \ldots, x_n) 给定 x1+x2+…+xn=Nx1+x2+…+xn=Nx_1 + x_2 + \ldots + x_n = N\quad？ NNN 是固定的。 如果 x1,x2,…,xnx1,x2,…,xnx_1, x_2, \ldots, x_n 然后以总泊松为条件， (x1,x2,…,xn)(x1,x2,…,xn)(x_1, x_2, \ldots, x_n)是多项式。我不确定负二项式是否成立，因为它是泊松混合函数。 如果您想知道，这不是作业问题。

9 poisson-distribution  multinomial  negative-binomial  conditioning 

关闭。这个问题是题外话。它当前不接受答案。 想改善这个问题吗？ 更新问题，使它成为交叉验证的主题。 9个月前关闭。 在R包glmnet的1.7.3版本中解决了此问题中提到的问题。 我在使用family = multinomial运行glmnet时遇到一些问题，并且想知道是否遇到了类似的问题，或者是否能够告诉我我在做什么错。 当我放入自己的虚拟数据时，运行时会报告错误“ apply（nz，1，中位数）：dim（X）必须具有正长度的错误” cv.glmnet，除了说“它没有用”之外，对我来说并没有提供太多信息。 y=rep(1:3,20) #=> 60 element vector set.seed(1011) x=matrix(y+rnorm(20*3*10,sd=0.4),nrow=60) # 60*10 element matrix glm = glmnet(x,y,family="multinomial") #=> returns without error crossval = cv.glmnet(x,y,family="multinomial") #=> Error in apply(nz, 1, median) : dim(X) must have a positive length crossval = cv.glmnet(x,y,family="multinomial",type.measure="class") #=> Error …

9 r  multinomial  glmnet