Machine learning 在Logistic回归中，sigmoid函数真的重要吗？

我实现了一个二元逻辑回归分类器。为了玩游戏，我用tanh替换了sigmoid函数（1/1+exp（-z））。结果完全相同，分类阈值为0.5，即使tanh在{1,1}范围内，而sigmoid在{0,1}范围内

我们使用sigmoid函数真的重要吗？或者像tanh这样的可微非线性函数能起作用吗

---

谢谢。

函数的范围应该是{0,1}，因为它代表了结果的概率。

您是否在训练中也更改了函数，或者您只是使用了相同的训练方法，然后将乙状结肠更改为tanh

我认为很可能发生的情况如下。看看sigmoid和tanh的图表：

乙状结肠： 谭：

我们可以看到，在tanh情况下，y=0.5的值约为x=0.5。在乙状结肠中，x=0.5得到y=0.62。因此，我认为现在可能发生的情况是，您的数据不包含任何会落在该范围内的点，因此您会得到完全相同的结果。尝试打印数据的sigmoid值，查看是否存在介于0.5和0.62之间的值

---

使用sigmoid函数的原因是它是从概率和最大似然中推导出来的。虽然其他函数的工作原理可能非常相似，但它们缺乏这种概率理论背景。有关详细信息，请参见示例或

谢谢您的精彩解释！正如您所说，我没有任何值落在该范围内，因此差异不明显。lunc.cas链接现在给出404。