Sigmoid与Softmax：从二分类到多分类的深度解析

Sigmoid与Softmax：从二分类到多分类的深度解析

联系

• 函数性质：二者都是非线性函数 ，也都是指数归一化函数，可将输入值映射为0到1之间的实数 ，都能把输出转化成概率分布的形式，在神经网络中常作为激活函数使用。
• Softmax是Sigmoid的推广：从功能角度看，Softmax函数可视为Sigmoid函数在多分类场景下的扩展。当分类问题为二分类时，Softmax函数在一定变换下与Sigmoid函数形式类似 。

区别

• 函数形式与值域：
  • Sigmoid函数：表达式为 σ ( x )