其实logistic函数是我们常说的sigmoid函数,其几何形状也就是sigmoid曲线(s型曲线)。
这个函数具有当x接近负的无限时,y接近0的特性。 当x接近正无限时,y接近1。如果x=0,则y=0.5。
优点:
1.Sigmoid函数的输出映射在(0,1 )之间,单调连续,输出范围有限,优化稳定,可作为输出层。
2 .寻求指引很容易。
坏处:
1 .由于软饱和性,容易发生梯度消失,训练存在问题。
2 .其输出不是以0为中心的。
应用:
logistic函数在统计学和机器学习领域应用最为广泛,最为人熟知的无疑是逻辑回归模型。 逻辑回归(Logistic Regression,简称LR )作为对数线性模型(log-linear model )广泛应用于分类和回归场景。 另外,logistic函数也是神经网络中最常用的激活函数,即sigmoid函数。
见文章:
3359 blog.csdn.net/magic qit/article/details/42525399
33558 www.cn blogs.com/maybe 2030/p/5678387.html