门户网站怎么做seo,基于wordpress的sns,网站注册公司,广东高端网站建设模型的原始输出为什么叫 logits
flyfish
一、Logarithm#xff08;对数 log#xff09;
定义#xff1a;对数是指数运算的逆运算#xff0c;表示某个数在某个底数下的指数。 公式#xff1a;若 b x a b^x a bxa#xff0c;则 log b ( a ) x \log_b(a) x logb…模型的原始输出为什么叫 logits
flyfish
一、Logarithm对数 log
定义对数是指数运算的逆运算表示某个数在某个底数下的指数。 公式若 b x a b^x a bxa则 log b ( a ) x \log_b(a) x logb(a)x。
二、Odds几率与 Logit
1. Odds几率
定义事件发生概率 p p p 与不发生概率 1 − p 1-p 1−p 的比值。公式 Odds p 1 − p \text{Odds} \frac{p}{1-p} Odds1−pp。意义例如概率 p 0.75 p0.75 p0.75 对应 Odds 3 : 1 3:1 3:1成功比失败多 3 倍。
2. Logit对数几率
定义Odds 的自然对数。公式 logit ( p ) log ( p 1 − p ) \text{logit}(p) \log\left(\frac{p}{1-p}\right) logit(p)log(1−pp)。作用将概率 p ∈ ( 0 , 1 ) p \in (0,1) p∈(0,1) 转换为实数范围 ( − ∞ , ∞ ) (-\infty, \infty) (−∞,∞)便于线性模型处理。
**三、Logistic **
1. Logistic 分布
定义一种连续概率分布形状类似正态分布但尾部更厚。概率密度函数 f ( x ) e − x ( 1 e − x ) 2 f(x) \frac{e^{-x}}{(1 e^{-x})^2} f(x)(1e−x)2e−x
2. Logistic Function逻辑函数
定义Logistic 分布的累积分布函数CDF即 sigmoid 函数。公式 σ ( z ) 1 1 e − z \sigma(z) \frac{1}{1 e^{-z}} σ(z)1e−z1特性 S 型曲线输入 z ∈ R z \in \mathbb{R} z∈R输出 σ ( z ) ∈ ( 0 , 1 ) \sigma(z) \in (0,1) σ(z)∈(0,1)。导数形式简单 σ ′ ( z ) σ ( z ) ( 1 − σ ( z ) ) \sigma(z) \sigma(z)(1 - \sigma(z)) σ′(z)σ(z)(1−σ(z))便于梯度计算。
3. Logistic Regression逻辑回归
任务二分类问题。模型 logit ( p ) w T x b ⇒ p σ ( w T x b ) \text{logit}(p) \mathbf{w}^T \mathbf{x} b \quad \Rightarrow \quad p \sigma(\mathbf{w}^T \mathbf{x} b) logit(p)wTxb⇒pσ(wTxb)损失函数交叉熵损失。
四、Sigmoid vs. Softmax
术语应用场景公式输出范围作用Sigmoid二分类 σ ( z ) 1 1 e − z \sigma(z) \frac{1}{1e^{-z}} σ(z)1e−z1 ( 0 , 1 ) (0,1) (0,1)将单个 logit 转换为概率Softmax多分类 softmax ( z i ) e z i ∑ j e z j \text{softmax}(z_i) \frac{e^{z_i}}{\sum_j e^{z_j}} softmax(zi)∑jezjezi ( 0 , 1 ) (0,1) (0,1) 且总和为 1将多个 logits 转换为概率分布
五、Logits 的演变
1. 二分类中的 Logit
定义逻辑回归中线性模型的输出 w T x b \mathbf{w}^T \mathbf{x} b wTxb即 logit ( p ) \text{logit}(p) logit(p)。与概率的关系通过 sigmoid 转换为概率。
2. 多分类中的 Logits
定义多分类模型如神经网络的原始输出 z 1 , z 2 , . . . , z K z_1, z_2, ..., z_K z1,z2,...,zK。特点 未归一化数值任意。通过 softmax 转换为概率分布。 术语沿用原因 继承逻辑回归的 logit 概念表示“概率的前兆”。强调与概率的非线性转换关系。
六、对比
术语数学形式应用场景作用Logarithm log b ( a ) \log_b(a) logb(a)数学、科学计算简化运算、压缩数值范围Odds p 1 − p \frac{p}{1-p} 1−pp概率与统计表示事件发生的相对可能性Logit log ( p 1 − p ) \log\left(\frac{p}{1-p}\right) log(1−pp)逻辑回归、二分类将概率转换为线性模型可处理的实数Logistic Function 1 1 e − z \frac{1}{1e^{-z}} 1e−z1二分类、激活函数将实数转换为概率Logistic Regression p σ ( w T x b ) p \sigma(\mathbf{w}^T \mathbf{x} b) pσ(wTxb)二分类任务建立特征与二分类标签的概率关系Softmax e z i ∑ j e z j \frac{e^{z_i}}{\sum_j e^{z_j}} ∑jezjezi多分类、激活函数将多个 logits 转换为概率分布Logits z 1 , z 2 , . . . , z K z_1, z_2, ..., z_K z1,z2,...,zK模型输出原始未归一化的分数需通过激活函数处理
在AI中的 logits 单词的含义扩展为模型原始输出无论是否为对数几率。
