一、sigmoid函数
sigmoid函数 由于其单增及反函数单增等性,sigmoid函数常被用做神经网络的激活函数,将变量映射到0,1之间。所以主要用来做二分类神经网络。
由于其平滑、易于求导的特性,处理特征相差不是很大或者复杂的数据效果比较好。
当然对于反向传播,sigmoid涉及求导除法,特别容易出现梯度消失,那么就无法完成深度数网络。
sigmoid函数的公式:
反向 对x求导公式:
python 定义sigmoid函数:
def sigmoid(x):
return 1.0/(1+np.exp(-x))
sigmoid函数的使用:
nums = np.arange(-10, 10, step=1) #生成一个numpy数组
fig, ax = plt.subplots(figsize=(12,4)) #绘制子图
ax.plot(nums, sigmoid(nums), 'r') #绘制sigmoid的函数图像
plt.show()
效果图: