Función Logística Calculator

Formula first

Overview

La función logística, comúnmente conocida como función sigmoide, asigna cualquier entrada de valor real a un rango restringido entre 0 y 1. En el aprendizaje automático, sirve como función de activación fundamental para la clasificación binaria y las redes neuronales, transformando combinaciones lineales en probabilidades.

Symbols

Variables

$\sigma$(x) = Output (0-1), x = Input Value

Apply it well

When To Use

When to use: Utilice esta función al realizar una clasificación binaria para predecir la probabilidad de una clase específica. Es particularmente efectiva cuando la relación entre las características y el resultado objetivo sigue una curva en forma de S en lugar de una tendencia lineal.

Why it matters: Permite que los modelos realicen interpretaciones probabilísticas de datos continuos, lo cual es esencial para la evaluación de riesgos y los sistemas de toma de decisiones. Su naturaleza diferenciable también la hace vital para la optimización de descenso de gradiente utilizada en el entrenamiento de redes neuronales complejas.

Avoid these traps

Common Mistakes

• Olvidar el signo negativo en e^-x.
• Tratar la salida como ilimitada.

One free problem

Practice Problem

Una neurona en un modelo de aprendizaje profundo recibe una suma ponderada (logit) de 0. Calcule la activación de salida S utilizando la función logística.

Hint: Cualquier base distinta de cero elevada a la potencia de 0 es 1.

The full worked solution stays in the interactive walkthrough.

Keep going

Related Formulas

References

Sources

1. Wikipedia: Logistic function
2. Deep Learning by Ian Goodfellow, Yoshua Bengio, Aaron Courville
3. Wikipedia: Sigmoid function
4. Ian Goodfellow, Yoshua Bengio, Aaron Courville Deep Learning
5. Christopher M. Bishop Pattern Recognition and Machine Learning
6. Trevor Hastie, Robert Tibshirani, Jerome Friedman The Elements of Statistical Learning
7. Standard curriculum — A-Level Data Science & Machine Learning