Softmax函数是一种将一个含任意实数的K维向量转化为另一个K维向量的函数，这个输出向量的每个元素都在(0, 1)区间内，并且所有元素之和等于1。
因此，它可以被看作是某种概率分布，常用于多分类问题中作为输出层的激活函数。这里我们以拓展逻辑回归解决多分类的角度对Softmax函数进行理解：

假设共有$C$ 个类别，模型对输入 $\mathbf{x}$ 输出 $C$个类别的得分，
则属于类别 $c$ 的后验概率为：
$$P(y=c\mid \mathbf{x})=\frac{e^{{\beta }_c^{\top }\mathbf{x}}}{{\sum }_{j=1}^C{e}^{{\beta }_j^{\top }\mathbf{x}}}$$
其中 ${\beta }_c$ 是第 $c$ 类对应的参数向量，$j$ 是求和的类别索引，$\mathbf{x}$ 是输入特征向量。

为什么使用指数函数 $e$?

Softmax 函数的形式为：
$$\sigma (\mathbf{z}{)}_i=\frac{e^{z_i}}{{\sum }_{j=1}^C{e}^{z_j}},$$
其中每个得分 $z_i$ 的形式为：
$$z_i={\beta }_i^{\top }\mathbf{x},$$
表示输入特征向量 $\mathbf{x}$ 与第 $i$ 类对应的参数向量 ${\beta }_i$ 的线性组合。

使用指数函数 $e^{z_i}$ 有以下几点重要理由：

• 非负性：对于任意实数 $z_i$，都有 $e^{z_i}>0$。这保证了 Softmax 输出的概率值始终为正数。

• 保持序关系：指数函数是严格单调递增函数。若 $z_i>z_j$，则 $e^{z_i}>e^{z_j}$，从而保留了原始得分之间的相对大小关系。

• 便于求导：指数函数具有良好的可导性，且其导数形式简单$\left(\frac{d}{dx}{e}^x=e^x\right)$，这对基于梯度下降等优化算法非常友好。

• 映射到概率分布：通过除以总和 ${\sum }_{j=1}^C{e}^{z_j}$，使得所有类别的输出加起来等于 1，形成一个合法的概率分布。

下面的示意图清晰地表示 Softmax 函数的原理和计算过程。以下是一个完整的推导流程示例，包括线性回归输出、Softmax 激活函数的应用，以及最终的分类结果。

( 0.5 0 0.7 0.5 0.5 0.9 0.1 0.1 0.6 0.6 0.1 0 ) X × ( − 0.15 0.95 2.2 ) β = ( 0.5 ⋅ ( − 0.15 ) + 0 ⋅ 0.95 + 0.7 ⋅ 2.2 0.5 ⋅ ( − 0.15 ) + 0.5 ⋅ 0.95 + 0.9 ⋅ 2.2 0.1 ⋅ ( − 0.15 ) + 0.1 ⋅ 0.95 + 0.6 ⋅ 2.2 0.6 ⋅ ( − 0.15 ) + 0.1 ⋅ 0.95 + 0 ⋅ 2.2 ) = ( 1.385 2.43 1.37 − 0.095 ) 线性输出  z \overset{X}{\begin{pmatrix} 0.5 & 0 & 0.7 \\ 0.5 & 0.5 & 0.9 \\ 0.1 & 0.1 & 0.6 \\ 0.6 & 0.1 & 0 \end{pmatrix}} \times \overset{\bm{\beta}}{ \begin{pmatrix} -0.15 \\ 0.95 \\ 2.2 \end{pmatrix}} =\begin{pmatrix} 0.5 \cdot (-0.15) + 0 \cdot 0.95 + 0.7 \cdot 2.2 \\ 0.5 \cdot (-0.15) + 0.5 \cdot 0.95 + 0.9 \cdot 2.2 \\ 0.1 \cdot (-0.15) + 0.1 \cdot 0.95 + 0.6 \cdot 2.2 \\ 0.6 \cdot (-0.15) + 0.1 \cdot 0.95 + 0 \cdot 2.2 \end{pmatrix}=\overset{\text{线性输出 } \mathbf{z}}{ \begin{pmatrix} 1.385 \\ 2.43 \\ 1.37 \\ -0.095 \end{pmatrix}}