machine-learning - 物流功能加法或减法

我目前正在学习机器学习，但是我没有统计学背景。在我所见过的所有逻辑功能中，到处都是：

wx + b

但是this example in Theano documentation使用了：

wx - b

请问是哪一个？我对此并不陌生，也不想感到困惑。

最佳答案

链接页面上的示例未使用wx - b。这是我假设您要引用的公式：

p_1 = 1 / (1 + T.exp(-T.dot(x, w) - b))

您可以将其分解为S型参数和sigmoid function：

arg = T.dot(x, w) + b         # sigmoid argument
p_1 = 1 / (1 + T.exp(-arg))   # sigmoid function

因此，有两个问题。首先是您没有正确考虑b变量的符号（公式使用的是wx + b）。其次，您引用的公式实际上不是Sigmoid函数。而是将参数（输入变量的线性加权和）传递给Sigmoid函数。

关于machine-learning - 物流功能加法或减法，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/40995661/