Sigmoidisten funktioiden ymmärtäminen koneoppimisessa

Termi "sigmoidinen" viittaa matemaattiseen funktioon, joka kuvaa minkä tahansa reaaliluvun arvoon välillä 0 ja 1. Tämän tyyppistä funktiota käytetään usein koneoppimisessa, erityisesti logistisen regression yhteydessä, jossa sitä käytetään mallintamiseen. tapahtuman todennäköisyys tietyillä syöteominaisuuksilla.

Yleisin esimerkki sigmoidisesta funktiosta on logistinen funktio, joka määritellään seuraavasti:

sigmoid(x) = 1 / (1 + exp(-x))

missä "exp" on eksponentiaalinen funktio. Logistinen funktio kartoittaa minkä tahansa reaaliluvun arvoon 0 ja 1, mikä tekee siitä hyödyllisen binääritulosten, kuten onnistumisen tai epäonnistumisen, kyllä tai ei jne. mallintamiseen.

Muita esimerkkejä sigmoidisista funktioista ovat softmax-funktio, jota käytetään luonnollisessa kielessä käsittely todennäköisyyksien normalisoimiseksi sen varmistamiseksi, että niiden summa on 1, ja tanh-funktio, jota käytetään hermoverkoissa tuomaan malliin epälineaarisuutta.

Yleensä sigmoidifunktiot ovat hyödyllisiä, kun meidän on mallinnettava binääritulos johon vaikuttavat useat syöttöominaisuudet. Niitä voidaan käyttää myös monimutkaisempien suhteiden mallintamiseen tuloominaisuuksien ja lähtömuuttujan välillä.