簡稱S函數，定義域為負無窮到正無窮，值域為（0，1）。目的是把值映射為0到1的值。

直觀的特性：函數的取值在0-1之間，且在0.5處為中心對稱，并且越靠近x=0的取值斜率越大。

機器學習中一個重要的預測模型邏輯回歸（LR）就是基于Sigmoid函數實現的。LR模型的主要任務是給定一些歷史的{X,Y}，其中X是樣本n個特征值，Y的取值是{0,1}代表正例與負例，通過對這些歷史樣本的學習，從而得到一個數學模型，給定一個新的X，能夠預測出Y。

從LR的目的上來看，在選擇函數時，有兩個條件是必須要滿足的：
1. 取值范圍在0~1之間。
2. 對于一個事件發生情況，50%是其結果的分水嶺，選擇函數應該在0.5中心對稱。

總結

以上是生活随笔為你收集整理的Sigmod函数的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。