機械学習におけるシグモイド関数を理解する
シグモイド関数はロジスティック関数としても知られ、任意の実数値を 0 から 1 までの値にマッピングします。これは次のように定義されます。
sigmoid(x) = 1 / (1 + exp(-x))
ここで、exp は指数関数。シグモイド関数には S 字型の曲線があり、出力は 0 から始まり、最初はゆっくりと増加し、入力が増加するにつれてより速く増加し、その後 1 で横ばいになります。この S 字型の曲線により、シグモイドは次のようなバイナリ結果をモデル化できます。シグモイド関数は、機械学習、特にロジスティック回帰で多くの応用があり、1 つ以上の予測子変数に基づいてバイナリ結果の確率をモデル化するために使用されます。これはニューラル ネットワークでも使用され、モデルに非線形性を導入し、モデルが入力と出力の間のより複雑な関係を学習できるようにするために使用されます。
高く評価
低く評価
コンテンツエラーを報告する
シェア
「シグモイド」という用語は、任意の実数を 0 と 1 の間の値にマッピングする数学関数の一種を指します。この種類の関数は、機械学習、特にロジスティック回帰のコンテキストでよく使用され、モデル化に使用されます。いくつかの入力特徴が与えられた場合にイベントが発生する確率。シグモイド関数の最も一般的な例はロジスティック関数であり、次のように定義されます。
sigmoid(x) = 1 / (1 + exp(-x))
ここで、「exp」は指数関数。ロジスティック関数は、任意の実数を 0 と 1 の間の値にマッピングするため、成功か失敗か、はいかいいえなどの 2 値の結果をモデル化するのに役立ちます。
シグモイド関数の他の例には、自然言語で使用されるソフトマックス関数などがあります。一連の確率を正規化して合計が 1 になるように正規化する処理と、ニューラル ネットワークでモデルに非線形性を導入するために使用される Tanh 関数です。一般に、シグモイド関数は、バイナリの結果をモデル化する必要がある場合に役立ちます。これは複数の入力特徴の影響を受けます。これらを使用して、入力フィーチャと出力変数の間のより複雑な関係をモデル化することもできます。
高く評価
低く評価
コンテンツエラーを報告する
シェア
シグモイドは、任意の実数値を 0 と 1 の間の値にマッピングする数学関数です。機械学習モデル、特にロジスティック回帰のコンテキストでよく使用され、与えられたイベントが発生する確率をモデル化するために使用されます。いくつかの入力機能。この関数は次のように定義されます。
sigmoid(x) = 1 / (1 + exp(-x))
ここで、exp は指数関数です。シグモイド関数には S 字型の曲線があり、出力は 0 から始まり、最初はゆっくりと増加し、入力が増加するにつれてより速く増加し、その後 1 で横ばいになります。この S 字型の曲線により、シグモイドは次のようなバイナリ結果をモデル化できます。 0 と 1、はい、いいえなど。
Sigmoidally は、単にシグモイド関数に関連するもの、またはシグモイド関数を使用するものを意味します。機械学習のコンテキストでは、シグモイド関数を使用してバイナリの結果を予測するモデルは、シグモイド的にトレーニングされたと言われます。
高く評価
低く評価
コンテンツエラーを報告する
シェア
