更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能教学等着你：https://www.cnblogs.com/nickchen121/p/11686958.html
Sigmoid函数
一、Sigmoid函数详解
# Sigmoid函数详解图例
import numpy as np
import matplotlib.pyplot as plt
ax = plt.subplot(111)
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data', 0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data', 0))
x = np.linspace(-10, 10, 256)
y = 1 / (1 + np.exp(-x))
plt.plot(x, y, c='r', label='Sigmoid')
# 描绘y=0.5和y=1.0两条直线
plt.yticks([0.0,0.5,1.0])
ax = plt.gca()
ax.yaxis.grid(True)
plt.xlabel('z')
plt.ylabel('g(z)')
plt.legend()
plt.show()
上图为Sigmoid函数图像，可以看出当(z)趋于正无穷时，(g(z))趋于1；当(z)趋于负无穷时，(g(z))趋于0。