#课程内容概要
这一节课将会深入了解 NLP 中分类问题。
#分类的定义和符号表示
#分类的直觉理解
根据传统的机器学习的“套路”，我们一般使用简单的模型（比如 Logistic Regression）来定义和学习分类问题的决策边界（Decision Boundary），使得模型能够通过这个决策边界区分两个或多个类别。在一般的机器学习流程中，我们一般假定输入是固定的（Fixed），然后只需要训练 $W$ 参数（即 SoftMax 权重），通过给定的输入 $X$ 来计算 $Y$ 的概率。
#SoftMax分类器
#利用SoftMax和交叉熵误差进行训练
