Du har ett linjärt neuronnät som du matar med en dokumentrepresentation $\vec{x}$ och som då ger utvärdet $\vec{z} = \begin{bmatrix} -0{,}5 & 1 & 0 \end{bmatrix}$. Hur ser denna vektor ut efter att den har transformerats med hjälp av softmax-funktionen?

Den softmax-transformerade vektorn från förra uppgiften kan läsas som en sannolikhetsfördelning över tre olika klasser. Varje värde i denna fördelning anger hur sannolikt modellen ”tror” det är att dokumentet $\vec{x}$ tillhör en viss klass. Här tänker vi oss att klasserna är numrerade på något sätt. Hur mycket ”tror” modellen på att $\vec{x}$ tillhör den tredje klassen? Svara med ett procenttal, avrundat till två decimaler.

Hur många parametrar (vikter och baskonstanter) har en logistisk modell som tar in dokumentrepresentationer $\vec{x}$ och ger utvärden $\vec{z}$ om varje $\vec{x}$ är en vektor innehållande 100 tal och varje utvärde är en vektor innehållande 3 tal?