Softmax函数能将输出转换为类概率分布。A对B错

考查要点：本题主要考查对Softmax函数核心作用的理解，即其在机器学习中如何将模型输出转化为概率分布。

解题关键：

1. Softmax函数的作用：它能将任意实数向量转换为概率分布形式，确保每个元素值在0到1之间，且所有元素之和为1。
2. 应用场景：常用于多类分类问题的输出层，将模型输出的原始分数转化为类别概率，便于解释和后续计算（如交叉熵损失）。
3. 与Sigmoid函数的区别：Sigmoid函数适用于二分类问题，而Softmax适用于多分类问题。

Softmax函数的数学表达式为：
$\text{Softmax}(x)_i = \frac{e^{x_i}}{\sum_{j=1}^n e^{x_j}}$
其中，$x$ 是输入向量，$n$ 是类别的数量。

关键步骤解析：

1. 指数转换：对每个输入值 $x_i$ 计算指数 $e^{x_i}$，确保所有值均为正数。
2. 归一化求和：将所有指数值相加，再对每个指数值进行归一化，使最终结果的总和为1。
3. 概率解释：输出结果可直接作为类别概率，例如输出 $[0.2, 0.5, 0.3]$ 表示属于第二类的概率最高。

结论：题目描述正确，Softmax函数确实能将输出转换为类概率分布。