📚Sigmoid 函数（Logistic 函数）笔记💡

导读 Sigmoid 函数，也叫 Logistic 函数，是一个很经典的数学函数，在机器学习和深度学习中扮演着重要角色sigmoid 的数学表达式为 f(x) =

Sigmoid 函数，也叫 Logistic 函数，是一个很经典的数学函数，在机器学习和深度学习中扮演着重要角色sigmoid 的数学表达式为 f(x) = 1 / (1 + e^(-x)) 📉。它的图像形似一个“S”曲线，因此得名。这个函数最大的特点就是能够将任意实数映射到(0, 1)区间内，这使得它非常适合用来处理概率问题。

首先，sigmoid 函数具有平滑性，这意味着它在任何点上都可导，这对梯度下降算法非常友好 🔄。其次，它的输出可以被理解为某种可能性，因此在分类任务中特别有用，比如判断一封邮件是否是垃圾邮件 📧。不过，sigmoid 函数也有局限性，例如在极端值处梯度接近于零，容易导致梯度消失问题，进而影响模型训练速度 🚫。