Softmax regression adalah model linear untuk memecahkan permasalahan klasifikasi multikelas. Apabila permasalahan yang hendak dipecahkan adalah klasifikasi dengan input data 10 fitur dan target 10 kelas, maka jumlah parameter yang harus dioptimisasi pada model softmax regression yang menjadi solusi permasalahan tersebut adalah sebanyak:

Problem klasifikasi biner dengan input \mathbf {x} = (1,x_{1},\dots,x_{D}) dapat diselesaikan setidaknya dengan dua cara.

Cara pertama menggunakan model logistic regression y = \mathrm {Sigmoid}(\mathbf {w}^{\top }\mathbf {x}) dengan \mathbf {w} vektor parameter berdimensi D+1 dan y\in \{0,1\}.

Cara kedua menggunakan model softmax regression \mathbf {y} = \mathrm {Softmax}(\mathbf {W}\mathbf {x}) dengan \mathbf {W} matriks parameter berdimensi 2\times (D+1) dan \mathbf {y} vektor biner berdimensi 2. Pada model softmax regression tersebut, matriks \mathbf {W} berisi 2 baris, yakni \mathbf {w}_{0}^{\top } dan \mathbf {w}_{1}^{\top } berdimensi D+1, masing-masing terkait dengan kelas 0 dan kelas 1.

Andaikan sebuah model softmax regression \mathbf {y} = \mathrm {Softmax}(\mathbf {W}\mathbf {x}) untuk tugas klasifikasi biner sudah dilatih secara optimal berdasarkan himpunan data latih tertentu yang diberikan.

Maka, sebuah model logistic regression y = \mathbf {w}^{\top }\mathbf {x} yang optimal dan ekivalen dengan model softmax regression tersebut dapat diperoleh dengan melakukan transformasi berikut (ekivalen artinya menyelesaikan tugas yang sama dengan data latih yang sama dan hasil prediksi yang sama):

Sebuah model logistic regression berparameter \mathbf {w} dilatih dengan data latih yang terdiri dari pasangan-pasangan input-label (\mathbf {x}^{(i)}, y^{(i)}) sedemikian hingga berlaku bahwa untuk setiap i, \mathbf {x}^{(i)} = (1,x_{1}^{(i)},\dots,x_{D}^{(i)})\in \mathbb {R}^{D+1} dan y^{(i)}\in \{ 0, 1 \}.

Variasi stochastic hill-climbing berbeda dari simple hill-climbing karena …

Apa tujuan dari operasi crossover pada genetic algorithm? Pilih satu jawaban yang paling tepat.

Andaikan \mathbf {x} = (1, x_{1},x_{2}) mewakili vektor input. Mana sajakah di antara model-model y= f(\mathbf {x}) = f(x_{1},x_{2},x_{3}) berikut yang termasuk model linear?