В этой статье мы рассмотрим регрессию Softmax, которая используется для задач классификации нескольких классов, и реализуем ее в наборе данных рукописного распознавания цифр MNIST. Сначала мы будем опираться на логистическую регрессию, чтобы понять функцию Softmax, затем мы рассмотрим Cross-entropy loss, one-hot encoding (однократное кодирование) и закодируем их вместе. Наконец, мы закодируем обучающую функцию (fit), увидим нашу точность и построим наши прогнозы. В работе нам потребуются NumPy и Matplotlib...