上述函数可以提供0\~1的有界值，两边有渐近线。其中， $\mathrm { z } { = } \mathrm { b } { + } \mathrm { w } _ { 1 } \mathrm { x } _ { 1 } { + } \mathrm { w } _ { 2 } \mathrm { x } _ { 2 } { + } . . . { + } \mathrm { w } _ { \mathrm { N } } \mathrm { x } _ { \mathrm { N } }$ 。w是模型权重，b是偏差，x是特征变量。所以，图9-10也可以描述为如图9-11所示的曲线。
从数学的角度，我们还可以得出如下公式：
$$
z = l o g ( \frac { y } { 1 - y } )
$$
下面我们来看一个例子。假定有一个逻辑回归模型，它有三个特征变量，权重和偏差是b=1, $\mathrm { w } _ { 1 } = 2 , ~ \mathrm { w } _ { 2 } = - 1 , ~ \mathrm { w } _ { 3 } = 5$ 。假定我们有一个样本数据进来： $x _ { 1 } = 0 , ~ x _ { 2 } = 1 0 , ~ x _ { 3 } = 2$ 。那么，我们可以计算出 $z = ( 1 ) + ( 2 ) ( 0 ) + ( - 1 ) ( 1 0 ) + ( 5 ) ( 2 ) = 1$ o
$$
y ^ { \prime } = { \frac { 1 } { 1 + e ^ { - ( 1 ) } } } = 0 . 7 3 1
$$
所以，概率为73.1%，如图9-12所示。
第9章 TensorFlow 高级知识
277