মেশিন লার্নিং সাহিত্যে, সম্ভাব্যতা বিতরণের প্রতিনিধিত্ব করতে, সফটম্যাক্স ফাংশনটি প্রায়শই ব্যবহৃত হয়। এরজন্য কি কোন কারণ আছে? কেন অন্য ফাংশন ব্যবহার করা হয় না?
মেশিন লার্নিং সাহিত্যে, সম্ভাব্যতা বিতরণের প্রতিনিধিত্ব করতে, সফটম্যাক্স ফাংশনটি প্রায়শই ব্যবহৃত হয়। এরজন্য কি কোন কারণ আছে? কেন অন্য ফাংশন ব্যবহার করা হয় না?
উত্তর:
একটি অপ্টিমাইজেশন দৃষ্টিকোণ থেকে এটি স্বতন্ত্রতার দিক থেকে কিছু দুর্দান্ত বৈশিষ্ট্য রয়েছে। প্রচুর মেশিন লার্নিং সমস্যার জন্য 1-অফ-এন শ্রেণিবদ্ধকরণের জন্য এটি বেশ উপযুক্ত।
গভীর শিক্ষার দৃষ্টিকোণ থেকে: কেউ তর্ক করতে পারে যে তাত্ত্বিকভাবে, শীর্ষে একটি সফটম্যাক্স শ্রেণিবদ্ধকারী সহ একটি গভীর নেটওয়ার্ক ব্যবহার করা বৈশিষ্ট্য জায়গার উপরে যে কোনও এন-শ্রেণির সম্ভাব্যতা ফাংশনকে উপস্থাপন করতে পারে কারণ এমএলপিগুলির ইউনিভার্সাল আনুমানিক সম্পত্তি রয়েছে।
সফটম্যাক্স হ'ল লজিস্টিক সিগময়েড ফাংশনের একটি সাধারণীকরণ এবং তাই এটি সিগময়েডের বৈশিষ্ট্য যেমন পৃথকীকরণের স্বাচ্ছন্দ্য এবং 0-1 এর মধ্যে রয়েছে। একটি লজিস্টিক সিগময়েড ফাংশনের আউটপুট 0 এবং 1 এর মধ্যেও হয় এবং তাই স্বাভাবিকভাবেই সম্ভাবনা উপস্থাপনের জন্য উপযুক্ত পছন্দ। এটির ডেরাইভেটিভ তার নিজস্ব আউটপুট ক্ষেত্রেও এক্সোর করা হয়। তবে, যদি আপনার ফাংশনে একটি ভেক্টর আউটপুট থাকে তবে আউটপুট ভেক্টরের উপর সম্ভাব্যতা বন্টন পেতে আপনার সফটম্যাক্স ফাংশনটি ব্যবহার করতে হবে। সফটম্যাক্স ব্যবহারের আরও কিছু সুবিধা রয়েছে যা ইন্ডি এআই উল্লেখ করেছেন, যদিও ইউনিভার্সাল অ্যাপ্রোসিমেশন তত্ত্বের সাথে এটির অগত্যা কোনও সম্পর্ক নেই কারণ সফ্টম্যাক্স কেবলমাত্র নিউরাল নেটওয়ার্কগুলির জন্য ব্যবহৃত ফাংশন নয় not
তথ্যসূত্র