logistic 函数(logistic function)sigmoid函数

logistic 函数(logistic function)sigmoid函数今天看SVM(支持向量机),开始先引入了logistic函数,虽然给出了一公式,但好奇logistic函数啥东东啊,为啥叫logistic呢,搜索ing。说简单些,logistic函数其实就是这样一个函数:

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全家桶1年46,售后保障稳定

博客新址: http://blog.xuezhisd.top
邮箱:xuezhisd@126.com


今天看SVM(支持向量机),开始先引入了logistic函数,虽然给出了一公式,但好奇logistic函数啥东东啊,为啥叫logistic呢,搜索ing。
说简单些,logistic函数其实就是这样一个函数:
P(t) = \frac{1}{1 + e^{-t}}
非常简单吧,这个函数的曲线如下所示:、

逻辑斯蒂函数

很像一个“S”型吧,所以又叫 sigmoid曲线(S型曲线)。
%%%%%%%%%%%%%%%%以下是为进一步了解,普通工科学生会用就行了%%%%%%%%%%%%%%%%%%%%%
上面只是作为一般使用时了解的即可,但实际上这个函数可是大有来头:
逻辑斯谛方程即微分方程:
\frac{dP}{dt}=rP\left(1 – \frac{P}{K}\right)。
当一个物种迁入到一个新生态系统中后,其数量会发生变化。假设该物种的起始数量小于环境的最大容纳量,则数量会增长。该物种在此生态系统中有天敌、食物、空间等资源也不足(非理想环境),则增长函数满足逻辑斯谛方程,图像呈S形,此方程是描述在资源有限的条件下种群增长规律的一个最佳数学模型。在以下内容中将具体介绍逻辑斯谛方程的原理、生态学意义及其应用。
这还要追溯到1838年,一个比利时的数学家叫Pierre-François Verhulst(1804-1849)的人,他那个时候研究人口增长的课题,提出了人口增长不但和现有人口相关,还和可用资源有关,即有一个人口的承载量,首先将营养关系反映到种群数学模型方面,是它首先导出了后来被广泛称为逻辑斯谛的方程,最初发表的时候叫Verhulst方程。但在当时并没有引起大家的注意,直到1920年两位美国人口学家Pearl和Reed在研究美国人口问题时,再次提出这个方程,才开始流行,故现在文献中通常称之为Verhulst-Pearl阻碍方程。其所以又称为逻辑斯谛方程是因为其有某种逻辑推理的含义。按现在的用语来说,它是一个说理模型,实际上是反映营养对种群增长的一种线性限制关系的说理模型。
1963年,洛伦兹发现确定性系统的随机性为,并且发现了这种随机行为对初值的敏感性。1975年,美籍华人学者李天岩和数学家约克发表“周期中蕴含着混沌”的著名文章,揭示从有序到混沌的演化过程。这些内容都包含在逻辑斯谛差分方程中。1976年R.梅在英国《自然》杂志上发表了研究逻辑斯谛方程的成果—《表现非常复杂的动力学的简单数学模型》,引起学术界极大关注,内容已远远超越了生态学领域,揭示出逻辑斯谛方程深处蕴藏的丰富内涵。
将上面的方程解出来(这个学过高等数学的人都会吧,很简单的大笑),可以得到:
P(t) = \frac{K P_0 e^{rt}}{K + P_0 \left( e^{rt} – 1\right)}
其中P_0为初始值,很眼熟吧,变变形,是不是就类似开头提出的logistic函数了,唯一不同的事系数有所变化。

P(t) = \frac{1}{1 + e^{-t}}

更多具体的内容大家可以参考维基百科:http://en.wikipedia.org/wiki/Logistic_function
或者百度搜索关键词“逻辑斯谛方程”,成堆的结果就出来了安静

  • 参考:http://blog.csdn.net/garfield2005/article/details/7553903
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/230783.html原文链接:https://javaforall.net

(0)
全栈程序员-站长的头像全栈程序员-站长


相关推荐

  • 合理的基尼系数_基尼系数为1表示

    合理的基尼系数_基尼系数为1表示一、基尼指数的概念基尼指数(Gini不纯度)表示在样本集合中一个随机选中的样本被分错的概率。注意:Gini指数越小表示集合中被选中的样本被参错的概率越小,也就是说集合的纯度越高,反之,集合越不纯。当集合中所有样本为一个类时,基尼指数为0.二、基尼系数的计算公式基尼指数的计算公式为:三、计算示例我们分别来计算一下决策树中各个节点基尼系数:以下excel表格记录了Gini系数的计算过程。我们可以看到,GoodBloodCircle的基尼系数是最小的,也就是最不容易犯错误,因此我们应该把这个

    2022年10月13日
    2
  • tcp握手失败怎么办_TCP协议握手

    tcp握手失败怎么办_TCP协议握手大家好,我是小林。之前收到个读者的问题,对于TCP三次握手和四次挥手的一些疑问:第一次握手,如果客户端发送的SYN一直都传不到被服务器,那么客户端是一直重发SYN到永久吗?客户端停止重发SYN的时机是什么?第三次握手,如果服务器永远不会收到ACK,服务器就永远都留在Syn-Recv状态了吗?退出此状态的时机是什么?第三次挥手,如果客户端永远收不到FIN,ACK,客户端永远停留在Fin-Wait-2状态了吗?退出此状态时机是什么时候呢?第四次挥手,如果服务器永远收不到A

    2025年9月2日
    8
  • 开关量电压转换电路

    开关量电压转换电路单片机的I/O口承受输入电压一般是-5V到 +5V,如果一个开关接的距离比较远,就容易受到线路干扰、线缆本身的电阻率影响导致MCU无法识别。虽然MCU的I/O的输入是“高阻抗”的,但是还是很难确保远距离后的影响。  左边可以输入0~12V,右边可以很稳定的输出0~5V

    2022年5月5日
    40
  • springboot启动时是如何加载配置文件application.yml文件

    springboot启动时是如何加载配置文件application.yml文件今天启动springboot时,明明在resources目录下面配置了application.yml的文件,但是却读不出来,无奈看了下源码,总结一下springboot查找配置文件路径的过程,能力有限,欢迎各位大牛指导!!!spring加载配置文件是通过listener监视器实现的,在springboot启动时:在容器启动完成后会广播一个SpringApplicationEvent事件,而Spri…

    2022年9月6日
    5
  • Normalized Mutual information

    Normalized Mutual information在写论文做数据测试时有用到一个nmi(normalizedmutualinformation)评价聚类的一种方法,不是很清楚,然后上网找了一下资料。首先在理解nmi前,先说说mutualinformation这个东西。我们先举个例子:比如说,标准结果是大圆里面的叉叉圈圈点点,上图呢是我们算法聚类出来的结果,那么如何来看我们算法的聚类效果呢,如何计算呢?我们把上图中的图形用字母来表示…

    2022年9月2日
    5
  • windowsform和wpf(winform和wpf我选哪个)

    WPF开发于WinForm之后,从技术发展的角度,WPF比WinForm先进是不容置疑的。我觉得WPF相比于WinForm有下面的一些较好的特性:解决WindowHandle问题在WindowsGDI或WinForm开发中复杂的GUI应用程序,会使用的大量的控件,如Grid等。而每个控件或Gridcell都是一个小窗口,会使用一个Windowhandle,尽管控件厂商提供了很多优化…

    2022年4月12日
    38

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号