sigmoid函数原理（sigmoid function）



Sigmoid 函数是常见的 S 型函数，也被称为 S 型生长曲线，由于其具有单增、反函数单增等性质，Sigmoid 函数常被用作神经网络的阈值函数，将变量映射到 0,1 之间。

Sigmoid 函数形式与图像如下：

根据逻辑回归 LR 的目的，选择函数时必须满足以下两个条件：

1）取值范围在 0~1 之间；

2）对于一个事件发生情况， 50% 是结果的分水岭，选择函数应该在 0.5 中心对称。

基于这两点， Sigmoid 正好符合 LR 的需求。

版权声明：

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若内容造成侵权、违法违规、事实不符，请将相关资料发送至xkadmin@xkablog.com进行投诉反馈，一经查实，立即处理！

转载请注明出处，原文链接：https://www.xkablog.com/haskellbc/40153.html