대표적인 활성화함수
시그모이드 함수(Sigmoid Function)
특징
- machine learning에서 노드가 임계값을 넘을 때만 출력하도록 하는 활성화함수로 사용된다.
- 함숫값이 항상 (-1,1)에 존재하므로 그 결과를 확률로서 해석하기에 용이하다.
- classification에서 자주 사용된다.
계단함수(Step Function)
그래프의 모양이 마치 계단과 같다고 하여 붙여진 이름이다.
단극성 계단함수
- 임계값에 의해 0 혹은 1의 값을 갖는다.
양극성 계단함수
- 임계값에 의해 -1 혹은 1의 값을 갖는다.
python에서 코딩시에 step function에 값을 하나만 입력하면 문제가 없지만 배열이 input인 경우에는 우리가 원하는 0 혹은 1로 이루어진 값들이 아닌 true or false의 형태로 출력이 된다.
이를 해결하기 위해 boolean indexing을 하는 다음 2가지 방법이 있다.
# 방법1
def step(x):
return (x > 0) * 1
# 방법2
def step(x):
return np.array(x > 0, dtpye=np.int)
쌍곡탄젠트 함수(HyperBolic Tangent)
특징
- 시그모이드 함수와 유사하다.
'machine learning' 카테고리의 다른 글
[machine learning] 기계학습 작업 흐름 (workflow) (0) | 2021.06.21 |
---|---|
[machine learning] 퍼셉트론과 이진분류(linear binary classification) (0) | 2021.06.19 |
[Machine Learning] Machine Learning 소개 (0) | 2021.06.17 |