我正在涉足神经网络,并从一些基本的感知器开始。在一个视频中,这个人正在解释如何制造一台可以“学习”如何区分两个阵列的机器。他解释了训练过程,但只是将他所有的输入和权重都插入了 sigmoid 函数。我对 sigmoid 函数做了一些研究,想知道为什么它用于机器学习以及为什么程序员使用它来测试他们的输入。
请您参考如下方法:
此函数的工作是使数字介于 0 和 1 之间,通常用于监督分类问题。例如在二元监督分类问题中,标签只有两个(如下图所示),那么一个数据与其他数据相距甚远将对分隔线产生太大影响。
但是当我们使用 Sigmoid 函数时,我们可以看到远离其他数据的数据不会对分隔符产生太大影响。
此外,此功能还可以向您显示概率。例如,如果你有一个新数据要预测,那么你可以使用这条线,看看数据属于某个标签的可能性有多大。 (看图更好理解)
