ディープラーニングでシグモイド関数というのを使いまっす。シグモイド関数は、何か入力されたら０～１の数値を返します。入力された数値が０未満だったら０を返して、そうでなければ１を返すような関数をステップ関数といいまして、これよりも緩やかに０～１の間を返すのでなんかいいらしいです。
シグモイド関数の式は、下記です。
[mathjax] $$h(x) = \frac{1}{1+\exp(-x))}$$
Pythonで書くと下記になります。
import numpy as np def sigmoid(x): return 1 / (1 + np.exp(-x))
グラフにすると下記のようになります。
import numpy as np import matplotlib.pyplot as plt def sigmoid(x): return 1 / (1 + np.exp(-x)) x = np.arange(-5.0, 5.0, 0.1) y = sigmoid(x) plt.plot(x, y) plt.ylim(-0.1, 1.1) plt.show()
