知识卡片
S形函数连接得分与概率
令 z=w·x+b,p=1/(1+exp(−z))。z=0 时 p=0.5,z 增大时 p 趋近于 1。阈值为 0.5 时,线性得分为零的位置就是分类边界。概率映射虽然平滑,边界在原特征空间仍是线性的。
[[权重和截距改变直线]]。Sigmoid 把线性方程的得分映射为正类概率。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 4.1.2 Logistic函数介绍 · 查看原书依据
有了Logistic函数进行映射,线性模型不再需要输出某个特定的值,而只要满足“让输出尽可能地接近0或者1”这一条要求即可。这条要求是线性模型可以满足的。
参考来源
- 位置:《机器学习算法的数学解析与Python实现》4.1.2 Logistic函数介绍(来源项目 book-source,`extracted/机器学习算法的数学解析与Python实现/_epub-src/OEBPS/text00042.html`)
- 结论依据:本节对比阶跃与 Logistic 的形状,并解释正负得分分别对应的输出端。
- 原始内容:有了Logistic函数进行映射,线性模型不再需要输出某个特定的值,而只要满足“让输出尽可能地接近0或者1”这一条要求即可。这条要求是线性模型可以满足的。