mobile theme mode icon
theme mode light icon theme mode dark icon
Random Question Rawak
speech play
speech pause
speech stop

Memahami Fungsi Sigmoid dalam Pembelajaran Mesin

Fungsi sigmoid, juga dikenali sebagai fungsi logistik, memetakan sebarang nombor bernilai sebenar kepada nilai antara 0 dan 1. Ia ditakrifkan sebagai:

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

dimana exp ialah fungsi eksponen. Fungsi sigmoid mempunyai lengkung berbentuk S, di mana output bermula pada 0, meningkat perlahan pada mulanya, kemudian lebih cepat apabila input meningkat, sebelum meratakan pada 1. Lengkung berbentuk S ini membolehkan sigmoid memodelkan hasil binari, seperti sebagai kejayaan atau kegagalan, ya atau tidak, dsb.

Fungsi sigmoid mempunyai banyak aplikasi dalam pembelajaran mesin, terutamanya dalam regresi logistik, di mana ia digunakan untuk memodelkan kebarangkalian hasil binari berdasarkan satu atau lebih pembolehubah peramal. Ia juga digunakan dalam rangkaian saraf, di mana ia digunakan untuk memperkenalkan ketaklinearan ke dalam model dan untuk membantu model mempelajari hubungan yang lebih kompleks antara input dan output.

Knowway.org menggunakan kuki untuk memberikan anda perkhidmatan yang lebih baik. Dengan menggunakan Knowway.org, anda bersetuju dengan penggunaan kuki kami. Untuk mendapatkan maklumat terperinci, anda boleh menyemak teks Dasar Kuki kami. close-policy