第583章 激活函数（2 / 2）
?低于0.5的人（低分）：大概率被拒绝。
优点：
?可以平滑地过滤数据，避免“全进或全不进”这样极赌情况。
?适用于二分类问题（比如邮件是垃圾邮件还是正常邮件）。
问题：
?计算比较复杂，不像ReLU那么直接。
?当数据过大或过时，变化很，容易导致梯度消失（学习速度变慢）。
第四种情况：老张更加智能（Softax激活函数）
有一，老板告诉老张：“我们公司不仅有正式员工，还有不同的部门，比如工程部、市场部、财务部。你不能只区分‘进’或‘不进’，而是要把人分到不同的部门。”
于是，老张开发了一套更加高级的评分系统，不仅判断某人是否能进，还会计算他属于哪个部门的概率。
?如果一个人穿着工程师制服，90%可能属于工程部，10%可能属于市场部。
?如果一个人拿着营销资料，80%可能属于市场部，20%可能属于工程部。
?每个人都按照最高概率归类到相应部门。
这就像Softax激活函数，它的作用是：
?把所有的可能性转换成概率分布（所有概率加起来是1）。
?适用于多分类问题（比如识别一张图片是“猫”、“狗”还是“兔子”）。
优点：
?适合多类别分类，可以告诉你**“最有可能”是哪一类**。
问题：
?计算量比ReLU大一点，但在分类任务中是最合适的。
总结：不同激活函数的角色
激活函数比喻适用场景优点问题
恒等函数（Identity）老张不筛选，所有人都能进线性回归简单直接不能处理复杂问题
ReLU老张只让正式员工进，其他人全拒深度学习、计算简单，效率高负数全部变0，信息可能丢失
Sigoid老张给每个人打分，决定能不能进二分类问题（垃圾邮件分类）平滑过渡，输出0-1概率容易梯度消失
Softax老张不但决定谁进，还要分部门多分类问题（图像识别）适合多分类问题计算比ReLU复杂
结论：激活函数=智能筛选机制
?激活函数的作用就像门卫老张，决定哪些信息能进入下一层，哪些要被拒绝。
?不同的激活函数适用于不同的任务，ReLU、Sigoid、Softax各有千秋。
?深度学习的关键就是如何聪明地使用这些筛选机制，让神经网络学得更快、更准确！
你更喜欢哪个“门卫策略”呢？如果你是老张，你会怎么设计你的筛选规则？
↑返回顶部↑