简单的Sigmoid函数绘制

值域 — 概率 — (0, 1)

使用最多的机器学习算法，简单，有效，对数据要求不高

只能解决2分类问题

将函数值转换为概率值

转换之后再判断

• 把得到的数扔给sigmoid(t)函数
• 分2种情况，大于0.5；小于0.5

逻辑回归，看不到那么远，损失函数不是光滑的凸函数

拟合训练样本 ==> 先求

import numpy as np
import matplotlib.pyplot as plt
def sigmoid(t):
    return 1 / (1 + np.exp(-t))
x = np.linspace(-10, 10, 500)
y = sigmoid(x)

plt.plot(x, y)

​ [<matplotlib.lines.Line2D at 0x2bdb7704588>]