Memahami Fungsi Sigmoid dalam Pembelajaran Mesin
Fungsi sigmoid, juga dikenal sebagai fungsi logistik, memetakan bilangan bernilai riil apa pun ke nilai antara 0 dan 1. Fungsi ini didefinisikan sebagai:
sigmoid(x) = 1 / (1 + exp(-x))
di mana exp adalah Fungsi eksponensial. Fungsi sigmoid memiliki kurva berbentuk S, dengan keluaran dimulai dari 0, mula-mula meningkat secara perlahan, lalu semakin cepat seiring bertambahnya masukan, sebelum mendatar pada 1. Kurva berbentuk S ini memungkinkan sigmoid memodelkan hasil biner, seperti seperti keberhasilan atau kegagalan, ya atau tidak, dll.
Fungsi sigmoid memiliki banyak penerapan dalam pembelajaran mesin, khususnya dalam regresi logistik, yang digunakan untuk memodelkan probabilitas hasil biner berdasarkan satu atau lebih variabel prediktor. Ini juga digunakan dalam jaringan saraf, yang digunakan untuk memperkenalkan nonlinier ke dalam model dan membantu model mempelajari hubungan yang lebih kompleks antara masukan dan keluaran.
Saya suka ini
Saya tidak suka ini
Laporkan kesalahan konten
Berbagi
Sigmoid adalah fungsi matematika yang memetakan bilangan bernilai nyata apa pun ke nilai antara 0 dan 1. Sigmoid sering digunakan dalam model pembelajaran mesin, khususnya dalam konteks regresi logistik, yang digunakan untuk memodelkan probabilitas terjadinya suatu peristiwa tertentu. beberapa fitur masukan. Fungsi tersebut didefinisikan sebagai:
sigmoid(x) = 1 / (1 + exp(-x))
di mana exp adalah fungsi eksponensial. Fungsi sigmoid memiliki kurva berbentuk S, dengan keluaran dimulai dari 0, mula-mula meningkat secara perlahan, lalu semakin cepat seiring bertambahnya masukan, sebelum mendatar pada 1. Kurva berbentuk S ini memungkinkan sigmoid memodelkan hasil biner, seperti seperti 0 dan 1, ya dan tidak, dsb.
Sigmoid berarti sesuatu yang berkaitan atau menggunakan fungsi sigmoid. Dalam konteks pembelajaran mesin, model yang menggunakan fungsi sigmoid untuk memprediksi hasil biner dikatakan dilatih secara sigmoid.
Saya suka ini
Saya tidak suka ini
Laporkan kesalahan konten
Berbagi
