機械学習では、分類問題と回帰問題ってのがあるようだ。

分類問題とはデータがどのクラスに属するのかを判断する。
例　画像認識の場合、馬か豚かどっちなんだ、てなこと。

回帰問題とはある入力データから数値を予測する。
例　画像認識の場合、馬の体型から体重を予測するなど。

で、それぞれニューラルネットワークで使われた場合、分類問題ではソフトマックス関数を使い、回帰問題では恒等関数を使うとのこと。

ちなみに、恒等関数とは入力値をそのまま出力する関数。

ソフトマックス関数てのは、下記のような数式あり。

ちなみに、ソフトマックス関数のpythonコードはこちら。

[py]
#numpyをインポートしてas npで。

x=np.array([0.2, 3.8, 5.2]) #配列に適当な数値を入れて、下記の関数に渡す。

def softmax(x):
    maxAtai= np.max(x)   #入力値の最大値を変数maxAtaiに入れる
    expA=np.exp(x-maxAtai)   #オーバーフローしないように
    sumexpA= np.sum(expA)
    y= expA / sumexpA
    
    return y
[/py]

作りは単純だけど、忘れないようにしないとね。