为什么TensorFlow的文档会调用softmax的输入"logits"？

Question

TensorFlow将每个输入调用到softmax logit.他们继续将softmax的输入/ logits定义为:"非标定日志概率".

维基百科和其他消息来源说,logit是赔率的对数,是sigmoid/logistic函数的倒数.即,如果sigmoid(x)= p(x),则logit(p(x))= log(p(x)/(1-p(x)))= x.

是否存在TensorFlow调用softmax输入"logits"的数学或常规原因？它们不应该被称为"未缩放的日志概率"吗？

也许TensorFlow只想为二元逻辑回归保留相同的变量名称(使用术语logit是有意义的)和分类逻辑回归...

这个问题在这里有所涉及,但没有人似乎对使用"logit"这个词来表示"未缩放的对数概率"感到困扰.

Answer 1

Logit现在在ML社区中用于任何非标准化概率分布(基本上通过无参数变换映射到概率分布的任何东西,如二元变量的sigmoid函数或多项式变量的softmax).它不是一个严格的数学术语,但获得了足够的流行度,可以包含在TF文档中.