📜  sigmoid 代码公式 (1)

📅  最后修改于: 2023-12-03 15:05:12.687000             🧑  作者: Mango

Sigmoid函数

Sigmoid函数是一种常用的神经网络激活函数,常用于二分类问题中对于概率值的预测。

函数表达式

Sigmoid函数的数学表达式可以写为:

$$ f(x) = \frac{1}{1 + e^{-x}} $$

代码实现

一般情况下,我们可以使用Numpy库的exp函数来计算指数部分,将公式转化为代码:

import numpy as np

def sigmoid(x):
    return 1 / (1 + np.exp(-x))
特点

Sigmoid函数的特点如下:

  • 取值范围为0至1之间,可以将输出值表示为概率。
  • 对输入$ x $的变化非常敏感,容易出现梯度消失现象,在神经网络深度较大时可能会出现训练不稳定的情况。
  • 由于指数运算较为耗时,在大规模数据运算时效率较低。
应用

Sigmoid函数广泛应用于神经网络中,在二分类问题中可以作为输出层的激活函数,对于概率的预测具有较为准确的效果。同时也可以在隐藏层中作为中间层非线性变换的函数。