1樓：
感覺 @午後Sunny 說得很好了，補充一下自己的觀點，如果不對請指正Logisticfunction
(a) 很優美。
這個函式不但能把輸入對映到0-1之間，而且這種中間陡峭的性質使得只有少數樣本在0附近。
(b) 便於求導
這樣使得模型的求解和實現更加方便
2樓：午後陽光
把我另外乙個回答搬過來了。
logistic這個奇葩函式不是YY出來的，主要還是假設sample服從伯努利分布，最大化log likelihood函式(對其求導)後推到出的假設函式。具體推倒過程請參考http://
cs229.stanford.edu/notes/cs229-notes1.pdf
3樓：Shu Matt
上面的人解釋過了，就是要找個函式，把線性模型的負無窮到正無窮輸出對映到0-1上。
為何要採用logistic sigmoid來對映？有個簡單的解釋：
定義a為：
分類1的likelihood乘先驗概率，比上分類2的likelihood乘先驗概率，比完之後再求對數。（為啥要求對數？這畢竟是個比值嘛，求對數是很正常的思路）
則分類1的後驗概率就是sigmoid(a)如下圖（來自PRML）
4樓：
線性回歸擬合的是輸出，logistic擬合的是概率，線性回歸輸出可以是負無窮到正無窮，但是概率只能是0~1,所以要加歸一化的sigmoid。
機器學習中常見的線性分類器有哪些？
梵為科技 機器學習中常用的線性分類器和非線性分類器知識了解 線性分類器有感知機，LDA，邏輯斯蒂回歸，SVM 線性核 它的模型是引數的線性函式，分類平面是 超 平面 非線性分類器有樸素貝葉斯，KNN，決策樹，SVM 非線性核 它的模型分介面可以是曲面或者超平面的組合 兩者區別 線性linear指量與...
為什麼機器學習常常使用貓的影象？
APP開發經理MR.Yu 用貓的原因可能一部分是因為程式猿是貓奴，另一部分就是貓的種類並不好辨別，一次產一窩，可能各個都不一樣，還有的貓會變色 暹羅貓 可能夏天是白色，冬天就是黑色。手動狗頭 APP開發經理MR.Yu 用貓的原因可能一部分是因為程式猿是貓奴，另一部分就是貓的種類並不好辨別，一次產一窩...
稀疏性為什麼會影響機器學習的計算效率？
雲外陽光 例1 若規定解有規則約束，當沒有稀疏性，x1 x2 x3 x4 x5 10，你算一下，解會有幾種組合，複雜度多少。存在稀疏性，假設x1 0,x2 0,x3 0,你算一下 x4 x5 10，解會有幾種組合，複雜度多少。例2 患某種病的概率是y，然後我們收集到的資料x是1000維的，也就是我們...