machine-learning - 为什么在逻辑回归中使用 sigmod 函数？

Question

我通过谷歌进行了一些搜索并得到了一些答案，但他们都有自己的问题。例如

1. sigmod 的结果将在 0 和 1 之间。

这很好，但 sigmod 函数不是结果在 0 和 1 之间的唯一函数

2. 它是单调函数，但同样有很多单调函数。

那么为什么是 sigmod？虽然我不知道它是什么，但我认为它与中心极限定理有一些联系。

那么你能解释一下为什么在逻辑回归中使用 sigmod 吗？为什么解决分类问题很好？

Answer 1

我建议将此问题移至CrossValidated，因为这是一个更注重数据科学/统计/数学的资源。

您想要一个介于 0 和 1 之间且单调递增的函数的主要原因之一是因为这样您可以将“分数”转换为“概率”。即概率必须是非负的，并且其分布（累积）必须是单调的。

你是对的，有不止一个函数有这个要求，但这个函数也是可微的和连续的，这使得概率建模很方便。此外，它还有几个数学特性，涉及函数自身术语中的重构和导数。