Lojistik Fonksiyon Calculator
Sigmoid aktivasyon fonksiyonu.
Formula first
Overview
Genel olarak sigmoid fonksiyonu olarak bilinen lojistik fonksiyon, herhangi bir gerçek değerli girdiyi 0 ile 1 arasındaki sınırlı bir aralığa eşler. Makine öğreniminde, ikili sınıflandırma ve sinir ağları için temel aktivasyon fonksiyonu olarak hizmet eder, doğrusal kombinasyonları olasılıklara dönüştürür.
Symbols
Variables
(x) = Output (0-1), x = Input Value
Apply it well
When To Use
When to use: Belirli bir sınıfın olasılığını tahmin etmek için ikili sınıflandırma yaparken bu fonksiyonu kullanın. Özellikler ile hedef sonuç arasındaki ilişkinin doğrusal bir eğilim yerine S şeklinde bir eğriyi takip etmesi durumunda özellikle etkilidir.
Why it matters: Modellerin sürekli verilerin olasılıksal yorumlarını yapmasına olanak tanır, bu da risk değerlendirmesi ve karar verme sistemleri için esastır. Türevlenebilir yapısı, karmaşık sinir ağlarının eğitiminde kullanılan gradyan inişi optimizasyonu için de hayati öneme sahiptir.
Avoid these traps
Common Mistakes
- e^-x'deki eksi işaretini unutmak.
- Çıktıyı sınırsız olarak ele almak.
One free problem
Practice Problem
Derin öğrenme modelindeki bir nöron, 0 ağırlıklı bir toplam (logit) alır. Lojistik fonksiyonu kullanarak çıktı aktivasyonu S'yi hesaplayın.
Hint: 0 dışındaki herhangi bir tabanın 0'ıncı kuvveti 1'dir.
The full worked solution stays in the interactive walkthrough.
References
Sources
- Wikipedia: Logistic function
- Deep Learning by Ian Goodfellow, Yoshua Bengio, Aaron Courville
- Wikipedia: Sigmoid function
- Ian Goodfellow, Yoshua Bengio, Aaron Courville Deep Learning
- Christopher M. Bishop Pattern Recognition and Machine Learning
- Trevor Hastie, Robert Tibshirani, Jerome Friedman The Elements of Statistical Learning
- Standard curriculum — A-Level Data Science & Machine Learning