在SVM中，Sigmoid核函数的表达式为：
K（X_1,X_2）=tanh[a(X_1•X_2)+b]
由这个函数的特点可以发现，当b取一个较小值（比如-3），a取一个接近于0的值（比如0.1），那么需要X_1，X_2的乘积比较大才会有变化，如果把X_1作为训练点，而X_2作为需要预测的点，这是不是意味着，预测结果对X_2上微小的波动（误差引起）将不敏感，因此Sigmoid核函数具有良好的抗待预测点误差的能力？
1个回答
应该说是因为参数a，b的设置让输出对输入的变化不敏感，并不是Sigmoid本身。b控制x_1*x_2在中间或外面，中间更敏感。a在整体上控制输出是否对输入敏感。比如a很小就让所有输出变化很小。
你可以把x_1*x_2的直方图，通过tanh函数转换，得到输出的直方图，就知道输出是否对输入敏感。
SofaSofa数据科学社区DS面试题库 DS面经
Zealing
2018-06-03 20:52
多谢多谢
-
CE_PAUL
2018-06-04 15:51
相关讨论
随便看看