Sadece bu açıklamayı ekleyerek, bu kadar aşağı kaydırılan herkes en azından doğru anlayabilir, çünkü çok fazla yanlış cevap var.
Diansheng'in cevabı ve JakeJ'nin cevabı doğru olsun. Shital Shah'ın gönderdiği
yeni bir cevap daha da iyi ve eksiksiz bir cevaptır.
Evet, istatistiklerde logit
matematiksel bir işlev olarak, ancak logit
sinir ağları bağlamında kullanılan farklıdır. İstatistik logit
burada bir anlam ifade etmiyor.
Hiçbir yerde resmi bir tanım bulamadım, ama logit
temelde şu anlama gelir:
Sinir ağının son katmanından çıkan ham tahminler.
1. Bu, argmax
öngörülen sınıfı almak için işlevi uyguladığınız çok tensördür .
2. Bu, softmax
öngörülen sınıfların olasılıklarını elde etmek için işleve beslediğiniz çok tensördür .
Ayrıca, resmi tensorflow web sitesindeki bir öğreticiden :
Logits Katmanı
Sinir ağımızdaki son katman, tahminlerimiz için ham değerleri döndürecek olan logits katmanıdır. Lineer aktivasyonla (varsayılan) 10 nöron (her hedef sınıf 0-9 için bir tane) ile yoğun bir katman oluştururuz:
logits = tf.layers.dense(inputs=dropout, units=10)
Hala kafanız karıştıysa, durum şöyle:
raw_predictions = neural_net(input_layer)
predicted_class_index_by_raw = argmax(raw_predictions)
probabilities = softmax(raw_predictions)
predicted_class_index_by_prob = argmax(probabilities)
nerede predicted_class_index_by_raw
ve predicted_class_index_by_prob
eşit olacak.
raw_predictions
Yukarıdaki kodda yer alan başka bir isimlogit
.
Neden gelince logit
... hiçbir fikrim yok. Afedersiniz.
[Düzenle: Terimin arkasındaki tarihsel motivasyonlar için bu cevaba bakınız .]
önemsiz şeyler
İsterseniz , işlevden çıkanlara istatistiksel logit
olarak uygulayabilirsiniz .probabilities
softmax
Belirli bir sınıfın olasılığı ise p
,
O zaman o sınıfın log-olasılıklarıdırL = logit(p)
.
Ayrıca, bu sınıfın olasılığı p = sigmoid(L)
, sigmoid
fonksiyon kullanılarak geri kazanılabilir .
Ancak günlük oranlarını hesaplamak için çok yararlı değil.