logit, logistic和sigmoid的区别

​1. 核心定义​

​​(1) Logit​

• ​数学定义​：
  Logit函数是概率p∈(0,1)的对数几率​（log-odds）转换：

  

  它将概率p映射到(−∞,+∞)，常用于统计学中描述事件发生的相对可能性。

• ​机器学习中的logit​：
  指模型的原始未归一化输出​（如神经网络的最后一层线性输出），通常作为Softmax或Sigmoid函数的输入，用于生成概率。

​​(2) Logistic函数​

• ​数学定义​：
  Logistic函数是Logit函数的反函数，用于将实数z∈(−∞,+∞)映射到概率p∈(0,1)：