Sigmoid 函数
flyfish
Sigmoid函数是一种具有S形曲线的数学函数。
Sigmoid函数是一种激活函数,并且更具体地定义为挤压函数(squashing function)。压缩函数将输出限制在0到1之间,从而使这些函数在概率预测中非常有用。
挤压函数(squashing function)
挤压函数是将大范围输入挤压到较小区间的函数,通常被用于做 激活函数 ,主要有 Sigmoid 函数 和 Tanh 双曲正切函数两种。
其中 Sigmoid 函数是一种常见的挤压函数,可将较大范围的输入挤压到[0,1]内。
Tanh 双曲正切函数是 Sigmoid 函数的变体,其取值范围在 [-1,1],定义域为 R,其同为挤压函数的一种。
通常和Softmax函数做比较
1、Softmax用于Logistic回归模型中的多分类。Sigmoid用于Logistic回归模型中的二进制分类。
2、Softmax概率和是1,Sigmoid概率和不需要是1。
3、Softmax用于不同层次的神经网络。Sigmoid在构建神经网络时用作激活函数。
4、Softmax 大值比其他值具有更大的概率。Sigmoid数值大则概率大,但概率不会比另一个数值的概率更大。
S
(
x
)
=
1
1
+
e
−
x
=
e
x
e
x
+
1
.
{\displaystyle S(x)={\frac {1}{1+e^{-x}}}={\frac {e^{x}}{e^{x}+1}}.}
S(x)=1+e−x1=ex+1ex.
图像
解释e
e = ∑ n = 0 ∞ 1 n ! = 1 1 + 1 1 + 1 1 ⋅ 2 + 1 1 ⋅ 2 ⋅ 3 + ⋯ {\displaystyle e=\displaystyle \sum \limits _{n=0}^{\infty }{\dfrac {1}{n!}}={\frac {1}{1}}+{\frac {1}{1}}+{\frac {1}{1\cdot 2}}+{\frac {1}{1\cdot 2\cdot 3}}+\cdots } e=n=0∑∞n!1=11+11+1⋅21+1⋅2⋅31+⋯
e = ∑ n = 0 ∞ 1 n ! e=\sum _{n=0}^{\infty }{\frac {1}{n!}} e=∑n=0∞n!1
e = lim n → ∞ ( 1 + 1 n ) n e=\lim _{n\to \infty }\left(1+{\frac {1}{n}}\right)^{n} e=limn→∞(1+n1)n