Tìm hiểu hàm Sigmoid trong Machine Learning

Hàm sigmoid, còn được gọi là hàm logistic, ánh xạ bất kỳ số có giá trị thực nào thành giá trị từ 0 đến 1. Nó được định nghĩa là:

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

trong đó exp là hàm số mũ. Hàm sigmoid có đường cong hình chữ S, trong đó đầu ra bắt đầu từ 0, lúc đầu tăng chậm, sau đó nhanh hơn khi đầu vào tăng, trước khi chững lại ở mức 1. Đường cong hình chữ S này cho phép sigmoid mô hình hóa các kết quả nhị phân, chẳng hạn như như thành công hay thất bại, có hoặc không, v.v.

Hàm sigmoid có nhiều ứng dụng trong học máy, đặc biệt là trong hồi quy logistic, trong đó nó được sử dụng để mô hình hóa xác suất của một kết quả nhị phân dựa trên một hoặc nhiều biến dự đoán. Nó cũng được sử dụng trong các mạng thần kinh, nơi nó được sử dụng để đưa tính phi tuyến vào mô hình và giúp mô hình tìm hiểu các mối quan hệ phức tạp hơn giữa đầu vào và đầu ra.