Sigmoid總是返回1？

考慮以下幾點：Sigmoid總是返回1？

def sigmoid(inSig): 
    return 1.0/(1.0+np.exp(-inSig)) 

def classifyVector(inX, weights): 
    prob = sigmoid(sum(inX*weights)) 
    if prob > 0.5: return 1.0 
    else: return 0.0

我的理解是乙狀結腸結果範圍從0到1。根據此信息（http://clear-lines.com/blog/post/Logistic-Regression.aspx）：

「正值將返回一個值大於0.5 ，輸入值越大，越接近1.可以認爲函數返回概率：對於x的非常高或低的值，有很高的確定性，它屬於兩組中的一組，並且對於值接近零，每組的概率是50％/ 50％。「

但是，如果Sigmoid（0），sigmoid似乎只產生0.5（即，零分類）。除非inX或權重爲零（或零向量），否則classifyVector總是返回1？

例如，請考慮以下數據：

trainset = np.array([[1,1,1],[2,2,2],[3,3,3],[4,4,4]]) 
trainlbl = np.array([1,12,11,40])

這裏，INX將永遠是零。如果算出數學，權重也不會爲零。那麼，乙狀結腸怎麼能提供一個公平的分析呢？

來源

2016-11-06 swabygw

可能取代l中的1。 2用1.0嗎？據我記得Python，這可能會改變整個類型的devision。 [這是神經網絡嗎？] – Unknown

param爲什麼叫inSig和var inX？ – Unknown

我編輯它。這是爲了邏輯迴歸。 – swabygw

但是，如果Sigmoid（0），sigmoid似乎只產生0.5（即，零分類）。除非inX或權重爲零（或零向量），否則classifyVector總是返回1？

0.5是一個閾值，而不是人們必須達到的。 classifyVector將返回1 iff sigmoid生成超過 0.5。還有很多剩餘值 - 一切在0和0.5之間。您正確地獲得0.5的確實非常罕見，但這不是問題，因爲每個小於0.5的值都會導致分類「0」。基本上（如果你計算數學），你將得到分類1 iff inSig是正數（如果是負數則爲0）。由於通過S形擠壓使得正值變得大於0.5並且負值小於0.5（同時，如你所述 - 零變換爲0.5）。

來源

2016-11-07 01:05:24 lejlot

Sigmoid總是返回1？

回答

相關問題