sigmoid函数介绍并举个例子

Sigmoid函数是一种常见的非线性函数，通常用于神经网络中的激活函数。它的数学表达式为：$\sigma(x)=\frac{1}{1+e^{-x}}$。

Sigmoid函数的特点是将输入值映射到0到1之间的范围内，因此常用于将输出值转化为概率值的情况。例如，在二分类问题中，我们可以使用Sigmoid函数将模型的输出值转化为预测为正例的概率值。

举个例子，我们可以将输入值x输入到Sigmoid函数中，如下所示：

import numpy as np

def sigmoid(x):
    return 1 / (1 + np.exp(-x))

x = np.array([1, 2, 3])
print(sigmoid(x))

输出结果为：

[0.73105858 0.88079708 0.95257413]

这里的输出结果表示对于输入值为1、2、3的情况，Sigmoid函数分别将其映射到了0.73、0.88、0.95的概率值上。