You need to enable JavaScript to run this app. 如何在sklearn逻辑回归中使用tanh替代sigmoid?标签转换能否提升性能
优惠活动
大模型
产品
解决方案
定价
更多

如何在sklearn逻辑回归中使用tanh替代sigmoid?标签转换能否提升性能

问题解答

1. sklearn的逻辑回归是否支持替换tanh为激活函数

  • 不支持。sklearn内置的LogisticRegression完全基于标准逻辑回归的统计推导实现,损失函数、参数更新逻辑都和sigmoid激活函数强绑定,没有提供自定义激活函数的接口,无法直接替换为tanh。
  • 若一定要使用tanh作为激活函数实现二分类,只能自行编写对应的损失函数和训练逻辑,比如基于sklearn的SGDClassifier自定义损失,或是用PyTorch、TensorFlow这类深度学习框架实现。

2. 将{-1,1}标签转换为{0,1}是否能提升sigmoid版逻辑回归的性能

  • 首先明确:sklearn的LogisticRegression本身会对输入的分类标签自动做二值化编码,哪怕你传入的是{-1,1}的标签,它内部也会自动把两类分别映射为{0,1},和你手动转换的结果完全一致,两种输入得到的模型效果没有任何差异,不存在手动转换就能提升性能的情况。
  • 你提到的“标签为{-1,1}时tanh表现更优”的结论,仅适用于激活函数和损失函数配套的场景:比如用tanh激活时搭配适配{-1,1}输出的损失函数,和sklearn逻辑回归的损失逻辑完全不同,不要直接套用到sigmoid版逻辑回归上。

内容的提问来源于stack exchange,提问作者haneulkim

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.21 06:36:03