1. void LogisticRegression_softmax(LogisticRegression *this, double *x) {
2. int i;
3. double max = 0.0;
4. double sum = 0.0;
5. for(i=0; i<this->n_out; i++) if(max < x[i]) max = x[i];
6. for(i=0; i<this->n_out; i++) {
7. x[i] = exp(x[i] - max);
8. sum += x[i];
9. }
10. for(i=0; i<this->n_out; i++) x[i] /= sum;
11. }

发现它和文献中对softmax模型中参数优化的迭代公式中是不一样！其实，如果没有那个求最大值的过程，直接取指数运算就一样的。而加一个求最大值的好处在于避免数据的绝对值过小，数据绝对值太小可能会导致计算一直停留在零而无法进行。就像对数似然函数，似然函数取对数防止概率过小一样。