الدالة اللوجستية

Core idea

Overview

الدالة اللوجستية، المعروفة باسم الدالة السينية، تحول أي مدخل ذي قيمة حقيقية إلى نطاق مقيد بين 0 و 1. في التعلم الآلي، تعمل كدالة تفعيل أساسية للتصنيف الثنائي والشبكات العصبية، وتحول التوليفات الخطية إلى احتمالات.

When to use: استخدم هذه الدالة عند إجراء التصنيف الثنائي للتنبؤ باحتمالية فئة معينة. وهي فعالة بشكل خاص عندما تتبع العلاقة بين الميزات والنتيجة المستهدفة منحنى على شكل حرف S بدلاً من الاتجاه الخطي.

Why it matters: تسمح هذه الدالة للنماذج بإجراء تفسيرات احتمالية للبيانات المستمرة، وهو أمر ضروري لأنظمة تقييم المخاطر واتخاذ القرار. كما أن طبيعتها القابلة للتفاضل تجعلها حيوية لتحسين الانحدار التدريجي المستخدم في تدريب الشبكات العصبية المعقدة.

Symbols

Variables

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

σ (x)

Output (0-1)

Variable

x

Input Value

Variable

Walkthrough

Derivation

صيغة: دالة لوجستية (سيني)

تقوم الدالة اللوجستية بتحويل أي مدخل حقيقي إلى قيمة بين 0 و 1 بشكل صارم، بحيث يمكن تفسيرها كاحتمالية في التصنيف الثنائي.

المدخل x هو أي رقم حقيقي.
يتم تفسير المخرج كاحتمالية الفئة الموجبة.

1

اذكر دالة السيني:

الأسس تضمن أن المقام موجب دائمًا، مما يبقي المخرج في (0,1).

σ (x) = \frac{1}{1 + e ^{- x}}

2

تحقق من السلوك الحدودي:

x موجب كبير يجعل $e^{- x}$ صغيرًا جدًا، بينما x سالب كبير يجعل $e^{- x}$ كبيرًا جدًا، مما يدفع الكسر نحو 0.

x \to \infty lim σ (x) = 1, x \to - \infty lim σ (x) = 0

Note: عند x=0، $σ$ (0)=1/2.

Result

x \to \infty lim σ (x) = 1, x \to - \infty lim σ (x) = 0

Source: Standard curriculum — A-Level Data Science & Machine Learning

Free formulas

Rearrangements

Solve for $x$

اجعل x موضوع المعادلة

x = ln (\frac{S}{1 - S})

أعد ترتيب المعادلة لجعل x موضوع المعادلة.

Difficulty: 4/5

The static page shows the finished rearrangements. The app keeps the full worked algebra walkthrough.

Visual intuition

Graph

Graph type: sigmoid

Why it behaves this way

Intuition

منحنى ناعم على شكل حرف S يحول أي مدخل حقيقي إلى مخرج بين 0 و 1، مما يمثل انتقالًا تدريجيًا من حالة إلى أخرى.

Term

مخرج الدالة اللوجستية، يمثل احتمالية أو مستوى تنشيط.

يقيس احتمالية حدث معين (مثل الانتماء إلى الفئة الموجبة)، دائمًا ما يتم قياسه بين 0 و 1.

Term

مدخل الدالة، غالبًا ما يكون مزيجًا خطيًا من السمات في نموذج تعلم الآلة.

يمثل 'الدليل' أو 'النتيجة' للنتيجة الإيجابية. 'x' الأعلى يشير إلى دليل أقوى، مما يدفع الاحتمالية إلى الاقتراب من 1.

Signs and relationships

-x: الإشارة السالبة في الأُس ' $e^{- x}$ ' ضرورية للشكل S. مع زيادة المدخل 'x'، ينخفض '-x'، مما يتسبب في اقتراب ' $e^{- x}$ ' من الصفر.
1 + e^{-x}: يضمن المقام أن المخرج ' $σ$ (x)' دائمًا ما يكون محدودًا بين 0 و 1. نظرًا لأن ' $e^{- x}$ ' موجب دائمًا، فإن '1 + $e^{- x}$ ' يكون دائمًا أكبر من 1، مما يضمن أن الكسر '1 / (1 + $e^{- x}$ )' هو

Free study cues

Insight

Canonical usage

تأخذ الدالة اللوجستية مدخلاً غير بعدي وتنتج مخرجا غير بعدي، يُفسر عادة كاحتمال أو قيمة بين 0 و1.

Dimension note

كل من المدخل 'x' والمخرج ' $σ$ (x)' للدالة اللوجستية غير بعديين. أس 'e' يجب أن يكون دائمًا غير بعدي، ومخرجات الدالة هي احتمال، وهو نسبة بدون فيزيائية

One free problem

Practice Problem

يتلقى عصبون في نموذج التعلم العميق مجموعًا مرجحًا (لوجيت) قدره 0. احسب تفعيل الخرج S باستخدام الدالة اللوجستية.

Hint: أي أساس غير صفري مرفوع للقوة 0 يساوي 1.

The full worked solution stays in the interactive walkthrough.

Where it shows up

Real-World Context

في سياق التنبؤ باحتمال فئة إيجابية، تُستخدم معادلة الدالة اللوجستية لتحويل القياسات إلى قيمة يمكن تفسيرها. وتكمن أهمية الناتج في أنه يساعد على تقييم سلوك النموذج أو تكلفة الخوارزمية أو جودة التنبؤ قبل استخدام الناتج.

Study smarter

Tips

يكون الإخراج S بالضبط 0.5 عندما يكون الإدخال x صفرًا.
المدخلات البعيدة عن الصفر تؤدي إلى 'تدرجات متلاشية' حيث تصبح الدالة مسطحة جدًا.
قم دائمًا بتطبيع ميزات الإدخال لمنع الدالة من التشبع عند 0 أو 1 بسرعة كبيرة.

Avoid these traps

Common Mistakes

نسيان الإشارة السالبة في e^-x.
التعامل مع الإخراج على أنه غير محدود.

Keep going

Related Formulas

Common questions

Frequently Asked Questions

تقوم الدالة اللوجستية بتحويل أي مدخل حقيقي إلى قيمة بين 0 و 1 بشكل صارم، بحيث يمكن تفسيرها كاحتمالية في التصنيف الثنائي.

استخدم هذه الدالة عند إجراء التصنيف الثنائي للتنبؤ باحتمالية فئة معينة. وهي فعالة بشكل خاص عندما تتبع العلاقة بين الميزات والنتيجة المستهدفة منحنى على شكل حرف S بدلاً من الاتجاه الخطي.

تسمح هذه الدالة للنماذج بإجراء تفسيرات احتمالية للبيانات المستمرة، وهو أمر ضروري لأنظمة تقييم المخاطر واتخاذ القرار. كما أن طبيعتها القابلة للتفاضل تجعلها حيوية لتحسين الانحدار التدريجي المستخدم في تدريب الشبكات العصبية المعقدة.

نسيان الإشارة السالبة في e^-x. التعامل مع الإخراج على أنه غير محدود.

في سياق التنبؤ باحتمال فئة إيجابية، تُستخدم معادلة الدالة اللوجستية لتحويل القياسات إلى قيمة يمكن تفسيرها. وتكمن أهمية الناتج في أنه يساعد على تقييم سلوك النموذج أو تكلفة الخوارزمية أو جودة التنبؤ قبل استخدام الناتج.

يكون الإخراج S بالضبط 0.5 عندما يكون الإدخال x صفرًا. المدخلات البعيدة عن الصفر تؤدي إلى 'تدرجات متلاشية' حيث تصبح الدالة مسطحة جدًا. قم دائمًا بتطبيع ميزات الإدخال لمنع الدالة من التشبع عند 0 أو 1 بسرعة كبيرة.

References

Sources

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

Overview

Variables

Derivation

اذكر دالة السيني:

تحقق من السلوك الحدودي:

Rearrangements

Graph

Intuition

Insight

Practice Problem

Real-World Context

Tips

Common Mistakes

Related Formulas

Binary Cross-Entropy

Frequently Asked Questions

Sources