最近在读《深度学习与计算机视觉》这本书,里面有些东西确实很有用,最起码解释的很透彻。
Logisitic函数作为机器学习中比较基础的功能函数,却没有很理解函数的意义。
在二分类问题中,超平面的确定是由所有样本到超平面的距离决定的,将距离转换为概率就用到了Logisitic函数
如果令
可以将函数转换为
Z是x的一种仿射形式,代表x为某一类别的原始度量。这时Logisitic函数要表达的就是:把一个样本属于两类可能性的原始度量通过指数形式表现出来,求和作为分母,而相对于某类的指数度量作为分子,这个比值即为样本属于二类中某类的概率。利用指数可以将任何实数转换为(0,1)之间的数,直接做归一化。
对Logisitic函数的理解
最新推荐文章于 2023-11-26 20:25:30 发布