Как использовать результат сигмовидной функции как выход нейрона? Что означает значение от 0 до 1?

Question

Я уже знаю, что z = x1 * w1 + x2 * w2 + ... + xi * wi + bias, и что сигмовидная функция равна y = 1 / (1 + e ^ (-z)); у от 0 до 1.

У меня вопрос, как использовать значение у? Я прочитал несколько статей, таких как:

1. Y - просто число; Вы должны установить порог, если у> 0,5, чтобы огонь, поэтому выход нейрона будет двоичным.
2. Y - вероятность. Если у вас есть несколько классов, то 0 <у <0,1 класс А, нейронные выходы А; 0,1 <= y <0,4 - класс B, нейрон выходы B и т. д. </li>
3. Вы можете использовать значение y непосредственно в качестве выхода этого нейрона.

Я не совсем понимаю, как использовать результат сигмовидной функции в качестве выхода нейрона.

Answer 1

Каждая из трех статей верна ... для обсуждаемой заявки. Самая первая фраза ответа № 1 довольно точна: «Y - это просто число». В зависимости от приложения вы можете использовать его, чтобы классифицировать входные данные в один из двух классов (# 1), один из нескольких классов (# 2), вероятность наличия характеристики, которую исследует модель, ввод на следующий уровень (# 3) которое не имеет конкретного описания или какой-либо другой интерпретации, которая зависит от вашей заявки.

Более простой вариант вашего вопроса может быть следующим: «Я только что выполнил линейную регрессию и получил наклон чего-то для своего набора данных. Как мне использовать этот наклон?»

Функция сигмоида является лишь одной из многих полезных функций преобразования. Это особые свойства включают

• Его выход ограничен диапазоном (0, 1).
• Он мало различает большие значения одинаковой величины (т. Е. Градиент близок к 0 для больших положительных и отрицательных входов).
• Он хорошо различает числа, близкие к 0; максимальный градиент составляет 1.