页面加载中…
搜索中文正文和常见中英文技术词，按教程、项目、面试题筛选。
「sigmoid函数」找到 7 条内容
按专题浏览 →匹配正文：…hat{y}^y (1-\hat{y})^{1-y} 取负对数即得交叉熵损失，最小化损失等价于最大化似然 核心优势 特性 说明 凸函数 对参数 w 是凸的，保证全局最优，梯度下降收敛稳定 梯度非饱和 \frac{\partial \mathcal{L}}{\partial z} = \hat{y} - y，误差大时梯度大，学习信号强 概率解释 输出天然是概率，与sigmoid配合形成完整概率框架 对比MSE MSE在 \hat{y} 接近0或1时梯度极小（sigmoid饱和）…
匹配标题与标签：逻辑回归原理怎么理解? 模型结构、概率预测与决策边界的作用 模型架构 逻辑回归 分类算法 sigmoid函数 决策边界 机器学习基础 2026真题 逻辑回归原理 逻辑回归模型结构 逻辑回归决策边界 大模型架构与原理 OPPO
匹配口述回答：【30秒速答】 MSE 面向连续目标，公式是预测误差平方；分类时若 p 等于 sigmoid(z)，MSE 对概率的导数是 2(p-y)，对 logit 的导数还要乘 p(1-p)。二分类交叉熵与 sigmoid 合并后，对 logit 的导数直接是 p-y。交叉熵不是永远没有梯度衰减，正确且高置信时梯度也会变小；它的关键优势是模型自信但预测错误时，不会再被饱和 sigmoid 导数额外压小。语言模型预测离散词表分布，所以用交叉熵最大化真实 token 的条件似然更自然。 【…
学习内容与项目面试，在同一条路上。