[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:

  1. Rango: La salida de la función sigmoide está en el rango (0, 1), lo que la hace útil para convertir valores arbitrarios en probabilidades.

  2. 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.

  3. No linealidad: La función sigmoide es no lineal, lo que significa que puede capturar patrones más complejos en los datos.

  4. 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

Entradas populares de este blog

[MACHINE LEARNING] Un breve ejemplo de uso de JupyterLab

[RUST][BOTS][TELEGRAM] Como crear y explotar un bot de Telefram en un canal de Telegram

[Idiomas][Italiano] Rutina Semanal de Estudio de Italiano (3 horas/semana)