为什么在0-1回归任务中，sigmoid层比tanh层的结果更差？

在0-1回归任务中，sigmoid层比tanh层的结果更差的原因是由于sigmoid函数和tanh函数的特性不同。

首先，sigmoid函数的输出范围是[0, 1]，而tanh函数的输出范围是[-1, 1]。在0-1回归任务中，我们希望模型的输出值尽可能接近0或1。由于sigmoid函数的输出范围在0附近非常平坦，当输入值远离0时，梯度接近于0，导致梯度消失的问题。这会导致模型训练过程中梯度更新缓慢，难以收敛到最优解，造成性能下降。

与之相比，tanh函数的输出范围在0附近变化较大，梯度的变化也较大。这使得模型能够更快地进行梯度更新，有助于加快模型的收敛速度，并且减少梯度消失问题。

因此，在0-1回归任务中，tanh层相对于sigmoid层而言，更适合作为激活函数使用，能够取得更好的性能。