Sigmoid总是返回1？

Question

考虑以下因素：

def sigmoid(inSig):
    return 1.0/(1.0+np.exp(-inSig))

def classifyVector(inX, weights):
    prob = sigmoid(sum(inX*weights))
    if prob > 0.5: return 1.0
    else: return 0.0

我的理解是sigmoid结果的范围是0到1。根据这篇文章（http://clear-lines.com/blog/post/Logistic-Regression.aspx）：

“正值将返回大于0.5的值，输入值越大，越接近1。我们可以把这个函数看作是返回一个概率：对于非常高或很低的x值，它属于两个组中的一个，对于接近于零的值，每个组的概率是50%/50%。“

但是，如果它是sigmoid（0），那么sigmoid似乎只产生0.5（即零分类）。除非inX或weights为零（或零向量），否则classifyVector不总是返回1吗？在

例如，考虑以下数据：

^{pr2}$

在这里，inX永远不会是零。如果一个人算出了数学，那么权重也不会是零。那么，乙状结肠如何提供一个公正的分析呢？在

Answer 1

But, the sigmoid seems to only produce a 0.5 (i.e., a zero classification) if it is Sigmoid(0). Unless inX or weights is zero (or zero vector), won't classifyVector always return a 1?

0.5是一个阈值，不是必须达到的。classifyVector将返回1如果sigmoid产生大于0.5。在0.5和0.5之间仍然有很多值。您是对的，精确获得0.5是非常罕见的，但这不是问题，因为每个小于0.5的值都将导致分类“0”。基本上（如果你计算一下）你会得到分类1，如果inSig是正的（如果是负的，则为0）。由于通过sigmoid进行压缩会使正值大于0.5，负值小于0.5（而正如您所述，零被转换为0.5）。在