Funzione Logistica Calculator
Funzione di attivazione sigmoide.
Formula first
Overview
La funzione logistica, comunemente nota come funzione sigmoide, mappa qualsiasi input a valori reali in un intervallo limitato tra 0 e 1. Nel machine learning, funge da funzione di attivazione fondamentale per la classificazione binaria e le reti neurali, trasformando combinazioni lineari in probabilità.
Symbols
Variables
(x) = Output (0-1), x = Input Value
Apply it well
When To Use
When to use: Usa questa funzione quando esegui la classificazione binaria per prevedere la probabilità di una classe specifica. È particolarmente efficace quando la relazione tra le caratteristiche e l'esito del bersaglio segue una curva a forma di S piuttosto che una tendenza lineare.
Why it matters: Consente ai modelli di fare interpretazioni probabilistiche dei dati continui, essenziale per la valutazione del rischio e i sistemi decisionali. La sua natura differenziabile la rende anche vitale per l'ottimizzazione tramite discesa del gradiente utilizzata nell'addestramento di reti neurali complesse.
Avoid these traps
Common Mistakes
- Dimenticare il segno negativo in e^-x.
- Trattare l'output come illimitato.
One free problem
Practice Problem
Un neurone in un modello di deep learning riceve una somma pesata (logit) di 0. Calcola l'attivazione di output S usando la funzione logistica.
Hint: Qualsiasi base diversa da zero elevata alla potenza di 0 è 1.
The full worked solution stays in the interactive walkthrough.
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