Pochopení funkcí sigmatu ve strojovém učení

Sigmoid je matematická funkce, která mapuje jakékoli reálné číslo na hodnotu mezi 0 a 1. Často se používá v modelech strojového učení, zejména v kontextu logistické regrese, kde se používá k modelování pravděpodobnosti výskytu události některé vstupní funkce. Funkce je definována jako:

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

kde exp je exponenciální funkce. Sigmoidní funkce má křivku ve tvaru písmene S, kde výstup začíná na 0, roste nejprve pomalu, pak rychleji, jak se vstup zvyšuje, než se vyrovná na 1. Tato křivka ve tvaru písmene S umožňuje sigmoidu modelovat binární výstupy, např. jako 0 a 1, ano a ne atd.

Sigmoidálně jednoduše znamená něco, co souvisí nebo používá esovitou funkci. V kontextu strojového učení se o modelu, který používá sigmoidní funkci k predikci binárního výsledku, říká, že je esovitě trénovaný.