[NLP][Regresión logistica] Función sigmoide
La función sigmoide, también conocida como función logística, es una función matemática que tiene una característica forma de “S”. Se utiliza comúnmente en la regresión logística y las redes neuronales para introducir la no linealidad en el modelo y para convertir valores numéricos en probabilidades.
La función sigmoide se define como:
Donde:
- x es la entrada a la función.
- e es la base del logaritmo natural.
La función sigmoide tiene varias propiedades interesantes:
-
Rango: La salida de la función sigmoide está en el rango (0, 1), lo que la hace útil para convertir valores arbitrarios en probabilidades.
-
Derivada: La derivada de la función sigmoide puede ser expresada en términos de la propia función sigmoide: . Esta propiedad es útil durante el entrenamiento de las redes neuronales, ya que simplifica el cálculo del gradiente.
-
No linealidad: La función sigmoide es no lineal, lo que significa que puede capturar patrones más complejos en los datos.
-
Suavidad: La función sigmoide es suave y diferenciable en todas partes, lo que la hace adecuada para métodos de optimización como el descenso del gradiente.
Comentarios
Publicar un comentario