96% Train Accuracy and 94.5% Test Accuracy on MNIST

Mit diesem Code können Sie verschiedene Ziffern mithilfe der Softmax-Regression klassifizieren: https://github.com/akshaybahadur21/Digit-Recognizer (Train Acuracy ~ 96% und Test Acuracy ~ 94.5%)

Die Softmax-Regression (Synonyme: Multinomial Logistic, Maximum Entropy Classifier, oder einfach Multi-class Logistic Regression) ist eine Verallgemeinerung der logistischen Regression, die wir für die Klassifikation mehrerer Klassen verwenden können (unter der Annahme, dass sich die Klassen gegenseitig ausschließen). Im Gegensatz dazu verwenden wir bei binären Klassifikationsaufgaben das (Standard-)Logistische Regressionsmodell.

Möchten Sie wissen wie das funktioniert und wie sich die softmax-Regression von der logistischen Regression unterscheidet? Hier finden Sie eine ausführlichere Erklärung zur logistischen Regression: http://rasbt.github.io/mlxtend/user_guide/classifier/LogisticRegression/

Leave a Comment

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahren Sie mehr darüber, wie Ihre Kommentardaten verarbeitet werden .

Scroll Up