logistic函数和softmax函数
简单总结一下机器学习最常见的两个函数,一个是logistic函数,另一个是softmax函数,若有不足之处,希望大家可以帮忙指正。本文首先分别介绍logistic函数和softmax函数的定义和应用,然后针对两者的联系和区别进行了总结。 1. logistic函数 1.1 logistic函数定义 引用wiki百科的定义: A logistic function or logistic curve is a common "S" shape (sigmoid curve). 其实逻辑斯谛函数也就是经常说的sigmoid函数,它的几何形状也就是一条sigmoid曲线。 logistic函数的公式形式如下: f ( x ) = L 1 + e − k ( x − x 0 ) f(x)=L1+e−k(x−x0) 其中, x 0 x0表示了函数曲线的中心(sigmoid midpoint), k k是曲线的坡度。 logistic的几何形状如下所示: 1.2 logistic函数的应用 logistic函数本身在众多领域中都有很多应用,我们只谈统计学和机器学习领域。 logistic函数在统计学和机器学习领域应用最为广泛或者最为人熟知的肯定是逻辑斯谛回归模型了。逻辑斯谛回归(Logistic Regression,简称LR)作为一种对数线性模型(log