对Logisitic函数的理解

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。