为什么 TensorFlow 的文档将 softmax 的输入称为“logits”？答案

【问题标题】：Why does TensorFlow's documentation call a softmax's input "logits"?为什么 TensorFlow 的文档将 softmax 的输入称为“logits”？
【发布时间】：2017-10-27 20:55:23
【问题描述】：

TensorFlow calls softmax 的每个输入一个 logit。他们继续将 softmax 的输入/logits 定义为：“未缩放的对数概率。”

Wikipedia 和其他消息来源说 logit 是几率的对数，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。

TensorFlow 将 softmax 的输入称为“logits”是否有数学或常规原因？它们不应该被称为“未缩放的对数概率”吗？

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

这个问题是covered a little bit here，但似乎没有人对使用“logit”这个词来表示“未缩放的对数概率”感到困扰。

【问题讨论】：

标签： machine-learning tensorflow documentation logistic-regression softmax

【解决方案1】：

Logit 现在在 ML 社区中用于任何非归一化概率分布（基本上是通过无参数变换映射到概率分布的任何东西，例如二进制变量的 sigmoid 函数或多项式变量的 softmax）。它不是一个严格的数学术语，但获得了足够的普及，可以包含在 TF 文档中。

【讨论】：

你知道为什么/如何产生这个约定吗？可能是这样的：logits 是非标准化概率，因此非标准化概率是 logits？
恐怕是这样。只是人们开始更改最后一层之后的内容（标准化方案、损失），并且没有费心去更改最后一个激活的名称。社区显然需要为这个对象命名，而它变成“logit”这一事实可能不是最理想的（从数学角度来看是有问题的），但有点“有效”。