逻辑回归的概率函数为什么要用sigmoid函数?
逻辑回归:y=sigmoid(w”x)线性回归:y=w”x,也就是说,逻辑回归比线性回归多了一个sigmoid函数,sigmoid(x)=1/(1)exp(-x)),实际上是对x进行归一化,使sigmoid(x)介于0和1之间。二元分类模型通常采用logistic回归。目标函数为第二类交叉熵,y值代表属于第一类的概率,用户可自行设置分类阈值。线性回归是用来拟合数据的,目标函数是误差之和
lstm中使用的所有s型门都是门,其输出必须在0.1之间,所以relu做不到
在训练lstm的时候使用除了tanh/sigmoid以外的激活函数效果都很差,是为什么?
原文标题:sigmoid激活函数 逻辑回归的概率函数为什么要用sigmoid函数?,如若转载,请注明出处:https://www.saibowen.com/news/22525.html
免责声明:此资讯系转载自合作媒体或互联网其它网站,「赛伯温」登载此文出于传递更多信息之目的,并不意味着赞同其观点或证实其描述,文章内容仅供参考。