什么是sigmoid函数，看看官方解释，以及他长成这个样子。
Sigmoid函数是一个在生物学中常见的S型的函数，也称为S型生长曲线。[1] 在信息科学中，由于其单增以及反函数单增等性质，Sigmoid函数常被用作神经网络的阈值函数，将变量映射到0,1之间。
上面说了一大堆，感觉懂了，哈哈~可是，博主问题来了，这个跟AI，跟机器学习有神马关系？
我也是看了很久doctor wu的视频以及查找资料后，才了解为啥用这个函数。大家共勉吧，没有数学底子就是耗费时间。
1. 博主一开始想用自己的例子来说明，但是发现，比起doctor wu的例子来说，太弱鸡了，所以还是用大神的例子。
从这里我们可以看到，一张图片，通常有RBG三种矩阵来组合，让我想起了“红黄蓝，罗生门事件”，扯远了，那么，对于上面这张可爱小猫的图片，我们可以将他们所有的颜色矩阵，写入一个特征矩阵里面，称为X，也就是将所有的值填进去，然后这个矩阵就称为nx维矩阵，那么，不仅仅只有这一张图片，我们可能有几百，几亿种图片，那么就需要建立以下的一个矩阵
2. 好了，其实说了这么一大轮的东西，这个跟sigmoid函数有什么关系呢？你只是说将这一张可爱的小猫图片，变成RBG的方式展示，然后将RBG参数写入多维矩阵，没了？各位看官，请莫要急。第一步，我们肯定要将我们所见到的东西转为数学方式，然后再进行观察与计算。如上图所示，其实说白了，就是通过X，去求导Y。如果简单来说，就像是一个一元一次方程式，yeah，听起来非常简单。y=kx+b，对吧。函数图如下所示。下图展示了当k=1,b=0。但是问题来了，我们的y值在这个函数图里面，是没有上下限的，很明显，作为判断这张图片是否为猫猫的时候，我们的概率取值范围只有0~1，
首先我们先针对的是线性的情景。如下图所示（左边，右边是非线性的，暂时可以忽略）
那么这时候sigmoid函数就诞生了（此处诞生忽略几十万字），
sigmoid函数的本质就是y=1/(1+e^-x)，y的取值范围在0~1之间，x可以有无穷的选项。而且该函数连续不间断，效率极高（后面这段博主没有验证过，因为不懂如何验证效率高，因此采用了sigmoid）。sigmoid函数其本质并非是一个线性函数，但是他的理论依据又是来源于线性函数。能够很好解决0/1问题。其函数图像与第一张图片一致。所以，博主理解的sigmoid函数就是，如果采用二元法去判断一个事物/场景的准确性，要么是，要么不是，是的概率是多少，不是得概率是多少。这样子，我们就采用sigmoid函数进行计算。
备注：所说的逻辑回归模型，也是LR模型，用的就是sigmoid函数，都是一个意思。
在下一节，我们将会对损失函数，成本函数进行解释。