我们通常就用其中最常用的logistic函数来代指sigmoid函数：
特点：sigmoid函数和阶跃函数非常相似，但是解决了光滑和连续的问题，同时它还成功引入了非线性。由于其值域处在0~1，所以往往被用到二分类任务的输出层做概率预测。?
缺点：
Softmax 又称归一化指数函数， 适用于只有一个正确答案多类别分类问题（例如手写数字）。构建分类器，解决只有唯一正确答案的问题时，用Softmax函数处理各个原始输出值。
Softmax函数是二分类函数Sigmoid在多分类上的推广，目的是将多分类的结果以概率的形式展现出来。直白来说就是将原来的输出映射成为 (0,1) 的值，而这些值的累和为1（满足概率的性质），我们就可以选取概率最大（也就是值对应最大的）结点，作为我们的预测目标。
原文：https://www.cnblogs.com/miutic/p/15207511.html