エントリーの編集
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
シグモイド関数とソフトマックス関数 概説 - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
シグモイド関数とソフトマックス関数 概説 - Qiita
本記事では、特に機械学習の分類問題の観点から、シグモイド関数とソフトマックス関数の性質について概... 本記事では、特に機械学習の分類問題の観点から、シグモイド関数とソフトマックス関数の性質について概説します。 シグモイド関数の概要 シグモイド関数(sigmoid function)は、機械学習において多く用いられる関数です。 $S(x)=\dfrac{1}{1+ \rm{exp}(\it{-x}\rm{)}}$ のような関数で表現されます。下図のとおりの単調増加関数です。 ロジスティック関数との関係 シグモイド関数を一般化した関数は、ロジスティック関数(logistic function) $f(x)=\dfrac{L}{1+\rm{exp}(\it{-k\ \rm{(} \it{x-x_0}}\rm{))}}$ であり、シグモイド関数はロジスティック関数の特殊形といえます。 各パラメタの意味は下記のとおりです。 $L$: 関数値が取りうる最大値。 $\rm{exp}(\it{-k\ \r