多类分类和sigmoid函数

Question

假设有训练集Y：

1,0,1,0
0,1,1,0
0,0,1,1
0,0,1,0

sigmoid函数定义为：

由于sigmoid函数输出0到1之间的值，这是否意味着我们试图预测的训练数据和值也应该介于0和1之间？

当训练集值不在0和1之间时，使用sigmoid函数进行预测也是正确的吗？ ：

1,4,3,0
2,1,1,0
7,2,6,1
3,0,5,0

Answer 1

Yes, it is perfectly valid have non binary features. 

由于sigmoid function的性质，输出介于0和1之间，没有什么可以阻止你使用非二进制特征集。

预测必须是二元的吗？

Yes, you can have multiclass logistic classification as well.

最简单的方法是解决一对一的分类问题，其中为每个标签训练一个二元逻辑分类器。

例如。如果预测空间跨越（1,2,3,4），则可以有4个逻辑分类器。

考虑到测试集中的任何一点，您可以给它对应于最有信心的分类器的标签（即该测试点的得分最高）。