Sigmoid总是返回1？

考虑以下几点：Sigmoid总是返回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

我的理解是乙状结肠结果范围从0到1。根据此信息（http://clear-lines.com/blog/post/Logistic-Regression.aspx）：

“正值将返回一个值大于0.5 ，输入值越大，越接近1.可以认为函数返回概率：对于x的非常高或低的值，有很高的确定性，它属于两组中的一组，并且对于值接近零，每组的概率是50％/ 50％。“

但是，如果Sigmoid（0），sigmoid似乎只产生0.5（即，零分类）。除非inX或权重为零（或零向量），否则classifyVector总是返回1？

例如，请考虑以下数据：

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

这里，INX将永远是零。如果算出数学，权重也不会为零。那么，乙状结肠怎么能提供一个公平的分析呢？

来源

2016-11-06 swabygw

可能取代l中的1。 2用1.0吗？据我记得Python，这可能会改变整个类型的devision。 [这是神经网络吗？] – Unknown

param为什么叫inSig和var inX？ – Unknown

我编辑它。这是为了逻辑回归。 – swabygw

但是，如果Sigmoid（0），sigmoid似乎只产生0.5（即，零分类）。除非inX或权重为零（或零向量），否则classifyVector总是返回1？

0.5是一个阈值，而不是人们必须达到的。 classifyVector将返回1 iff sigmoid生成超过 0.5。还有很多剩余值 - 一切在0和0.5之间。您正确地获得0.5的确实非常罕见，但这不是问题，因为每个小于0.5的值都会导致分类“0”。基本上（如果你计算数学），你将得到分类1 iff inSig是正数（如果是负数则为0）。由于通过S形挤压使得正值变得大于0.5并且负值小于0.5（同时，如你所述 - 零变换为0.5）。

来源

2016-11-07 01:05:24 lejlot

Sigmoid总是返回1？

回答

相关问题