先说一下，ML小白。
这是第一次写个人博客类似东西，
主要来说说看 sigmoid 函数，sigmoid函数是机器学习中的一个比较常用的函数，与之类似的还有softplus和softmax等函数，这里也就不说，先来看看sigmoid函数的表达式的和图像
sigmoid函数表达式如下
这就是sigmoid函数的表达式，这个函数在伯努利分布上非常好用，现在看看他的图像就清楚
可以看到在趋于正无穷或负无穷时，函数趋近平滑状态，sigmoid函数因为输出范围（0，1），所以二分类的概率常常用这个函数，事实上logisti回归采用这个函数很多教程也说了以下几个优点
1 值域在0和1之间
2 函数具有非常好的对称性
函数对输入超过一定范围就会不敏感
sigmoid的输出在0和1之间，我们在二分类任务中，采用sigmoid的输出的是事件概率，也就是当输出满足满足某一概率条件我们将其划分正类，不同于svm。
原文 https://www.jianshu.com/p/506595ec4b58