Función Logística
Función de activación sigmoide.
This public page keeps the free explanation visible and leaves premium worked solving, advanced walkthroughs, and saved study tools inside the app.
Core idea
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.
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.
Symbols
Variables
(x) = Output (0-1), x = Input Value
Walkthrough
Derivation
Fórmula: Función logística (sigmoide)
La función logística mapea cualquier entrada real a un valor estrictamente entre 0 y 1, por lo que puede interpretarse como una probabilidad en la clasificación binaria.
- La entrada x es cualquier número real.
- La salida se interpreta como una probabilidad de la clase positiva.
Establecer la función sigmoide:
Las exponenciales aseguran que el denominador siempre sea positivo, manteniendo la salida en (0,1).
Comprobar el comportamiento límite:
Una x positiva grande hace que sea minúsculo, mientras que una x negativa grande hace que sea enorme, empujando la fracción hacia 0.
Note: En x=0, (0)=1/2.
Result
Source: Standard curriculum — A-Level Data Science & Machine Learning
Free formulas
Rearrangements
Solve for
Despejar x
Reordena la ecuación para despejar x.
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
Una curva suave en forma de S que mapea cualquier entrada real a una salida entre 0 y 1, lo que representa una transición gradual de un estado a otro.
Signs and relationships
- -x: El signo negativo en el exponente '' es crucial para la forma de S. A medida que aumenta la entrada 'x', '-x' disminuye, lo que hace que '' se acerque a cero.
- 1 + e^{-x}: El denominador asegura que la salida '(x)' esté siempre limitada entre 0 y 1. Dado que '' siempre es positivo, '1 + ' siempre es mayor que 1, lo que garantiza que la fracción '1 / (1 + )' sea
Free study cues
Insight
Canonical usage
La función logística toma una entrada adimensional y produce una salida adimensional, normalmente interpretada como probabilidad o valor entre 0 y 1.
Dimension note
Tanto la entrada 'x' como la salida '(x)' de la función logística son adimensionales. El exponente de 'e' siempre debe ser adimensional, y la salida de la función es una probabilidad, que es una razón sin unidades físicas
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.
Where it shows up
Real-World Context
Al predecir the probability of a positive class, Logistic Function se utiliza para calcular Output from Input Value. El resultado importa porque ayuda a estimar la probabilidad y formular un juicio de riesgo o decisión en lugar de tratar el número como certeza.
Study smarter
Tips
- La salida S es exactamente 0.5 cuando la entrada x es 0.
- Las entradas alejadas de cero conducen a 'gradientes evanescentes' donde la función se vuelve muy plana.
- Normalice siempre las características de entrada para evitar que la función se sature en 0 o 1 demasiado rápido.
Avoid these traps
Common Mistakes
- Olvidar el signo negativo en e^-x.
- Tratar la salida como ilimitada.
Common questions
Frequently Asked Questions
La función logística mapea cualquier entrada real a un valor estrictamente entre 0 y 1, por lo que puede interpretarse como una probabilidad en la clasificación binaria.
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.
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.
Olvidar el signo negativo en e^-x. Tratar la salida como ilimitada.
Al predecir the probability of a positive class, Logistic Function se utiliza para calcular Output from Input Value. El resultado importa porque ayuda a estimar la probabilidad y formular un juicio de riesgo o decisión en lugar de tratar el número como certeza.
La salida S es exactamente 0.5 cuando la entrada x es 0. Las entradas alejadas de cero conducen a 'gradientes evanescentes' donde la función se vuelve muy plana. Normalice siempre las características de entrada para evitar que la función se sature en 0 o 1 demasiado rápido.
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