對Logisitic函數的理解

最近在讀《深度學習與計算機視覺》這本書，裏面有些東西確實很有用，最起碼解釋的很透徹。
Logisitic函數作爲機器學習中比較基礎的功能函數，卻沒有很理解函數的意義。
在二分類問題中，超平面的確定是由所有樣本到超平面的距離決定的，將距離轉換爲概率就用到了Logisitic函數

如果令

可以將函數轉換爲

Z是x的一種仿射形式，代表x爲某一類別的原始度量。這時Logisitic函數要表達的就是：把一個樣本屬於兩類可能性的原始度量通過指數形式表現出來，求和作爲分母，而相對於某類的指數度量作爲分子，這個比值即爲樣本屬於二類中某類的概率。利用指數可以將任何實數轉換爲（0,1）之間的數，直接做歸一化。