1 개요[ | ]
- logit
- 로지트 /ˈloʊdʒɪt/, 로짓
- [math]\displaystyle{ \operatorname{logit}(p)=\log\left( \dfrac{p}{1-p} \right) =\log(p)-\log(1-p)=-\log\left( \dfrac{1}{p} - 1\right) }[/math]
- [math]\displaystyle{ \operatorname{logit}(p)=\log( \text{Odds} ) = \log\left( \dfrac{p}{1-p} \right) }[/math]
- 분류 모델에서 생성되는 원시(정칙화되지 않음) 예측 벡터
- 대개는 정칙화 함수로 전달된다.
- 모델에서 다중 클래스 분류 문제를 해결하고 있는 경우, 로지트는 소프트맥스 함수의 입력으로 사용되는 것이 일반적이다.
- 그런 다음 소프트맥스 함수에서 가능한 클래스별로 하나의 값을 갖는 (정칙화된) 확률 벡터를 생성한다.
- 또한 로지트는 시그모이드 함수의 요소별 역을 지칭할 때도 있다. ( tf.nn.sigmoid_cross_entropy_with_logits 참고 )
2 같이 보기[ | ]
3 참고[ | ]
편집자 Jmnote
로그인하시면 댓글을 쓸 수 있습니다.