Sigmod 和 Logit

Sigmoid 和 Logit

sigmoid

S ( t ) = 1 1 + e − t S(t)={\frac {1}{1+e^{-t}}}S(t)=1+et1
在这里插入图片描述sigmoid 为一从[-∞, ∞] 到[0,1]的映射,也就是说在分类其中,为了要求最后的输出不是一个任意实数而是一个表示概率的[0,1]之间的数,需要用到sigmoid

logit

l o g i t ( p ) = log ⁡ ( p 1 − p ) = log ⁡ ( p ) − log ⁡ ( 1 − p ) = − log ⁡ ( 1 p − 1 ) {logit} (p)=\log \left({\frac {p}{1-p}}\right)=\log(p)-\log(1-p)=-\log \left({\frac {1}{p}}-1\right)logit(p)=log(1pp)=log(p)log(1p)=log(p11)
在这里插入图片描述反之,logit 为一个从[0,1]到[-∞, ∞]的映射。
logit函数中的p为概率,那么p 1 − p {\frac{p}{1-p}}1pp代表什么?
在概率中定义 p r o b a b i l i t y : p = 某 事 发 生 的 次 数 所 有 事 件 的 总 次 数 probability: p={\frac{某事发生的次数}{所有事件的总次数}}probability:p=
o d d s : p = 某 事 发 生 的 次 数 某 事 件 不 发 生 的 概 率 odds: p={\frac{某事发生的次数}{某事件不发生的概率}}odds:p=
例如在赌博中,玩家赢的概率为0.1,那么其odds1 9 {\frac{1}{9}}91,因此为了保证公平,庄家要出9倍的赌注。

而logit,为log-it, 这其中的it就是odds


S ( l o g i t ( p ) ) = 1 1 + e − l o g i t ( p ) = p S(logit(p))={\frac {1}{1+e^{-logit(p)}}} =pS(logit(p))=1+elogit(p)1=p
可知logit与sigmoid互为逆函数

总之logit是给他一个概率值,他输出的是一个[-∞,∞]的实数,而sigmoid是给他一个任意实数,他将其转化为可以代表概率的数值


版权声明:本文为weixin_43852483原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接和本声明。