最終更新日：2026年8月21日

gk neural_network

G検定トップ ＞ シグモイド関数（Sigmoid Function）とは？【G検定対策】

まず結論

  • シグモイド関数は、入力を 0〜1 の範囲に変換する活性化関数です。
  • G検定では 「出力範囲」「入力0で0.5」「飽和による勾配消失」を押さえます。

直感的な説明

シグモイド関数は、入力が大きいほど1に、小さいほど0に近づくS字型の関数です。

  • 大きな負の値 → 0に近づく
  • 0 → 0.5
  • 大きな正の値 → 1に近づく

二値分類の出力を確率として扱いたい場面でよく使われます。

定義・仕組み

代表式は次のとおりです。

σ(x) = 1 / (1 + e^{-x})

主な性質は、

  • 出力範囲：0より大きく1より小さい
  • x = 0 のとき 0.5
  • 微分の最大値は 0.25
  • 入力の絶対値が大きい飽和領域では微分が小さくなる

です。

このため、深いネットワークの中間層で多用すると勾配消失の一因になりえます。

いつ使う？（得意・不得意）

得意

  • 二値分類の出力層
  • 0〜1の値として解釈したい出力
  • ロジスティック回帰

注意点

  • 中間層ではReLU系が使われることが多い
  • 出力が0中心ではない
  • 飽和領域では勾配が小さくなりやすい

G検定ひっかけポイント

  • ❌「出力範囲は-1〜1」
    • それはtanhです。
  • ❌「入力0で出力0」
    • シグモイドは0.5です。
  • ❌「深い中間層でも勾配消失を起こしにくい」
    • 飽和領域では微分が小さくなります。
  • ⭕「0〜1・二値分類の出力」
    • シグモイドを疑います。

まとめ（試験直前用）

  • シグモイド＝0〜1
  • 入力0 → 0.5
  • 二値分類の出力層でよく使う
  • 飽和領域で勾配が小さくなる
  • -1〜1ならtanh

© 2024-2026 stemtazoo. All rights reserved.