深度学习系列二： 函数

【摘要】 sigmoid函数(exp)中的内容就是上面提到的y=wx+b。为了更深刻的感受下上述两种模型（sigmoid和perceptron）的区别，请看下图：z（水平轴）为上面提到的输出（累加w*x），此处阈值为0，当z大于0时，输出（垂直轴）为1，反之为0解释如上图，但是输出更加平滑，输出结果分布在0-1之间可以看到 sigmoid 函数更加平滑，也就是说，sigmoid 函数允许更多的中间状态…

sigmoid函数(exp)中的内容就是上面提到的y=wx+b。为了更深刻的感受下上述两种模型（sigmoid和perceptron）的区别，请看下图：

z（水平轴）为上面提到的输出（累加w*x），此处阈值为0，当z大于0时，输出（垂直轴）为1，反之为0

解释如上图，但是输出更加平滑，输出结果分布在0-1之间

可以看到 sigmoid 函数更加平滑，也就是说，sigmoid 函数允许更多的中间状态，而不是生硬的0和1，这点更加符合现实世界的情况。（其实sigmoid函数又叫logistic函数，进而可以关联到传统机器学习中的逻辑回归）。