다음의 글을 한국어로 번역한 것 입니다.
Logit(이하 로짓으로 표현) 함수는 log-odds function으로도 알려져있습니다. 이 로짓 함수는 0에서 1까지의 확률값과 -∞에서 ∞ 사이의 확률값을 표현해주는 함수입니다. X축이 아니라 Y축에서 0과 1 사이의 값을 제한하는 시그모이드 함수에 대한 역함수입니다. 로짓 함수는 0 - 1의 도메인 내에 존재하기 때문에 이 함수는 확률을 이해하는 데 가장 일반적으로 사용됩니다.
Logit 함수는 어떻게 동작하나요?
로짓 함수는 다음과 같이 나타낼 수 있습니다:
X가 확률을 나타내는 경우 X(1-X)는 오즈이고 loggit 함수는 오즈의 로그입니다. 함수는 0에서 1 사이의 영역 내에서 그래프를 가로질러 표시되며, 음의 무한대에서 무한대에 이르는 실제 숫자를 생성합니다.
Logit 함수와 머신러닝
로짓 함수는 신경망에서 시그모이드 함수와 유사하게 사용됩니다. 시그모이드(sigmoid) 또는 활성화(activation) 함수는 확률을 생성하는 반면 로짓 함수는 확률을 취하고 음과 양의 무한대 사이에서 실제 숫자를 생성합니다. 시그모이드 함수와 마찬가지로 로짓 함수는 종종 데이터를 단순화할 수 있는 신경망의 마지막 레이어로 배치된다. 예를 들어, 로짓 함수는 분류 태스크에 사용되는 신경망의 마지막 레이어에서 종종 사용됩니다. 네트워크가 분류 확률을 결정함에 따라 Logit 함수는 이러한 확률을 실제 숫자로 변환할 수 있습니다.
'DL|ML' 카테고리의 다른 글
| <혼자 또는 같이하는 머신러닝 스터디 잼> 티셔츠를 받기 위한 머나먼 여정 (0) | 2021.04.01 |
|---|---|
| [논문 리뷰] Temporal Relational Reasoning in Videos (0) | 2021.04.01 |
| Semantic segmentation, Object Detection, Instance Segmentation의 차이는? (0) | 2021.02.01 |
| 코세라(Coursera) Generative AdversarialNetworks (GANs) 코스를 끝낸 후의 리뷰 (2) | 2021.01.10 |
| torch의 model summary에서는 cuda가 필요한가요? (0) | 2021.01.05 |
