第604章 用故事解释Sigmoid在二元分类中的作用

请关闭浏览器的阅读/畅读/小说模式并且关闭广告屏蔽过滤功能，避免出现内容无法显示或者段落错乱。

? 75 分 → 0.85（85% 可能通过考试）

? 50 分 → 0.50（50% 可能通过考试）

? 30 分 → 0.20（20% 可能通过考试）

? 10 分 → 0.02（2% 可能通过考试）

然后，你可以设定一个标准，比如：

? 如果通过考试的概率 ＞ 0.5，就认为这名学生及格（1）。

? 如果概率 ≤ 0.5，就认为这名学生不及格（0）。

这就是Sigmoid 的作用——把一个原始数值转换为概率，并用来做二元分类决策。

比喻 2：温度感知

假设你是一个智能空调，你需要决定是否要启动制冷模式。

你感受到当前的温度是：

? 10°c

? 20°c

? 30°c

? 40°c

如果直接用温度来判断，可能不太好设置一个明确的界限。因此，你可以用 Sigmoid 把温度转换成“开启空调的概率”：

? 10°c → 0.01（1% 可能需要开空调）

? 20°c → 0.20（20% 可能需要开空调）

? 30°c → 0.80（80% 可能需要开空调）

? 40°c → 0.99（99% 可能需要开空调）

然后，空调可以设定一个阈值，比如如果概率 ＞ 0.5，就打开空调，否则就不打开。

这就是Sigmoid 如何帮助决策的方式——把输入数据转换成 0-1 之间的概率，然后根据设定的阈值做二元分类。

Sigmoid 总结

? Sigmoid 把任意数值转换成 0-1 之间的概率。

? 它适用于二元分类问题（比如“有怪物 or 没有怪物”、“及格 or 不及格”）。

? 最终根据设定的阈值（通常是 0.5），决定输出 0 还是 1。

希望这个故事和比喻能帮你理解 Sigmoid 在二元分类问题中的作用！