Update softmax-regression.md

chapter_linear-networks/softmax-regression.md

@@ -309,7 +309,7 @@ $$H[P] = \sum_j - P(j) \log P(j).$$
 ## 练习
 
 1. 我们可以更深入地探讨指数族与softmax之间的联系。
-    1. 计算softmax交叉熵损失$l(\mathbf{y},\hat{\mathbf{y}})$的二阶导数。
+    1. 计算softmax交叉熵损失$l(\mathbf{y},\hat{\mathbf{y}})$相对于未规范化的预测$o_j$的二阶导数。
     1. 计算$\mathrm{softmax}(\mathbf{o})$给出的分布方差，并与上面计算的二阶导数匹配。
 1. 假设我们有三个类发生的概率相等，即概率向量是$(\frac{1}{3}, \frac{1}{3}, \frac{1}{3})$。
     1. 如果我们尝试为它设计二进制代码，有什么问题？