Sigmoid

数字相似度的计算一直是个老大难，是在需要判定两个数“有多接近”而不是直接比大小的时候。NumberSimilarity用上了sigmoid 算法，这个点子挺妙的。你可以理解成它把两个数之间的差距“压缩”成了一个介于 0 和 1 之间的相似度值。越接近，值越接近 1，挺适合用在分类、推荐、阈值判断这类场景里。 sigmoid本来是神经网络里常见的一种激活函数，这里拿来做距离映射，既直观又好调。你可以自己设定灵敏度，像是k 值就挺关键，调高它相似度响应更陡，适合精度要求高的场景。 实现也不复杂，大致长这样： function similarity(a, b, k = 1) { const di

在Sigmoid回归（Sigmoid Regression）中，尽管其名为回归算法，实际上更适用于二分类问题的解决。Sigmoid函数（或称为逻辑函数）常与线性回归相结合，用于将线性输出转换为0到1之间的概率值，以便进行分类。该函数的输出结果通常作为概率预测，判断属于某一类别的可能性，从而实现二分类。