SOFTMAX回归模型
softmax回归跟线性回归⼀样将输⼊特征与权重做线性叠加。与线性回归的⼀个主要不同在于，softmax回归的输出值个数等于标签⾥的类别数。
softmax函数是一个单层的神经网络，例如由一个例子：
4个输入特征，三个类别
计算方法：
但是这样输出的值并不能代表分类的结果，因为有的输出的值为100，无法表示是三个类别重的哪一类。
softmax运算符（softmax operator）解决了这个问题。
softmax运算符
如果有一个矩阵 X 的⾏数是样本数，列数是输出个数。为了表达样本预测各个输出的概率，softmax运算会先通过 exp 函数对每个元素做指数运算，再对 exp 矩阵同⾏元素求和，最后令矩阵每⾏各元素与该⾏元素之相除。这样⼀来，最终得到的矩阵每⾏元素和为1且⾮负。