我正在尝试用 Java 实现神经网络。我在学习神经网络时在机器学习教科书中发现了这一点:
为了提供一些背景知识，本节讨论了使用单个感知器进行分类。感知器计算一个简单的函数，该函数是输入的加权和。我们将该函数的输出称为 f(x)。然后 sigmoid 函数将 f(x) 作为输入。这是课本上的一句话:
The output of the sigmoid function may be interpreted as the posterior
probability that the input x belongs to a certain class.
为什么 sigmoid 函数的输出会被解释为输入属于某个类别的概率？
最佳答案
在神经网络中，输出层的 sigmoid 激活函数在某种程度上借用了逻辑回归(其中经常使用标准 sigmoid 函数)来解决分类问题。这假设结果采用二项式概率模型。在此假设下，逻辑回归模型是最大似然，量化预测变量中结果 Y 差异风险中 X 的相对变化。逻辑回归模型的损失函数也与似然相关。
the relationship between neural network and logistic regression有更多讨论。另请注意，sigmoid 通常指的是形状(和限制)， tanh is a also sigmoid function 。
关于java - 为什么使用 sigmoid 函数来确定后验概率？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/22029346/