多分类问题
我们已经学习过二分类的问题，但是在生活中有很多场景，目标输出并不仅仅只有两种。例如手写数字的识别，数字不只有0和1两种，还有2、3、4、5、6、7、8、9，那我们就需要引入多分类的问题。
一、Softmax算法
softmax回归算法是逻辑回归算法的泛化，这是一种针对多分类环境的二元分类算法。
1、模型
假设有四个可能的输出
特别的，当可能的输出只有两种时，Softmax的效果最后等同于逻辑回归，所以这是为什么它被称为逻辑回归的泛化。
2、代价函数
Softmax的损失为aj的负对数，值越接近1，也就是等于真实值的概率越大，损失就越小；值越远离1而接近0，也就是等于真实值的概率越小，损失就越大。
二、神经网络的Softmax输出
为了建立一个多分类的神经网络，我们使用Softmax回归模型，将它放到神经网络的输出层。
三、TensorFlow实现
四、改进
虽然x1等价于x2，但是不同的计算方式会导致精度存在差异。
在改进之后，我们将输出层的激活函数改为线性回归函数，那么输出层输出的不再是a1、a2......，而是z1、z2......
改进后的逻辑回归
五、多标签分类问题
多标签分类问题指的是在单个输入下，输出带有多个标签的问题。举一个例子，检测一张图片中是否存在汽车、是否存在公交、是否存在行人，这一类型就是多标签分类问题。
使用神经网络实现
