Hàm số, mũ và log

Sigmoid ép mọi số thực vào giữa 0 và 1, nên kết quả đọc được như một xác suất. Vì vậy nó hay nằm ở đầu ra của bài phân loại hai lớp.

Ôn lạiBài 0.4Sigmoid: ép một số bất kỳ vào khoảng (0, 1)Bài 2.3Sigmoid và log-odds

Softmax biến các điểm số của từng lớp thành xác suất dương, cộng lại bằng 1. Lớp có xác suất cao nhất là dự đoán.

Ôn lạiBài 0.4Softmax: từ nhiều điểm thành một phân phốiBài 2.3Nhiều lớp: softmax regressionBài 3.3Nhiều lớp: mỗi hàng là một bộ logits

σ(0) = 1 / (1 + e⁰) = 1/2. Với ngưỡng 0,5, điểm có z = 0 nằm đúng trên ranh giới quyết định. Còn 0,73 là σ(1).

Ôn lạiBài 0.4Sigmoid: ép một số bất kỳ vào khoảng (0, 1)Bài 2.3Sigmoid và log-odds