Softmax 回归简介
社会科学家邓肯·卢斯于1959年在*选择模型*（choice model）的理论基础上 发明的了*softmax函数*： softmax函数能够将未规范化的预测变换为非负数并且总和为1，同时让模型保持 可导的性质。
为什么叫Softmax呢？Softmax从字面上来说，可以分成soft和max两个部分。max故名思议就是最大值的意思。Softmax的核心在于soft，而soft有软的含义，与之相对的是hard硬。很多场景中需要我们找出数组所有元素中值最大的元素。
Softmax函数是一个在数学和计算机科学中常用的函数，特别是在机器学习的分类问题中。它可以把一个含任意实数的K维向量“压缩”到另一个K维实向量中，使得每一个元素的范围都在`$$(0,1)$$`之间，并且所有元素的和为1。这使得Softmax函数的输出可以被解释为概率分布。