性质：
（1）g（-z）=1-g（z）
（2）g' = g(1-g)=g（z）*g（-z）
（3）几率：
因为：
ln(g / 1-g) = z;
可见符合sigma的概率分布的几率是‘线性’
参考‘机器学习算法/回归’的五，3
可知，logistic回归的‘几率就是’
（4）一个事件发生的概率可以用其‘机率的logistic函数表示’
logistic函数，sigma函数性质
最新推荐文章于 2025-10-19 08:51:31 发布
本文探讨了logistic函数（也称为sigma函数）的一些关键性质，包括（1）g(-z) = 1 - g(z)，（2）导数g'(z) = g(z)(1 - g(z))，以及它们如何影响几率的线性表示。在机器学习的上下文中，特别是logistic回归，这些性质对于理解模型如何预测事件发生的概率至关重要。
AI助手已提取文章相关产品：
您可能感兴趣的与本文相关内容
扫一扫
138
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
