Função Logística
Função de ativação 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
A função logística, comumente conhecida como função sigmoide, mapeia qualquer entrada de valor real para um intervalo restrito entre 0 e 1. Em aprendizado de máquina, ela serve como a função de ativação fundamental para classificação binária e redes neurais, transformando combinações lineares em probabilidades.
When to use: Use esta função ao realizar classificação binária para prever a probabilidade de uma classe específica. É particularmente eficaz quando a relação entre as características e o resultado alvo segue uma curva em forma de S, em vez de uma tendência linear.
Why it matters: Ela permite que os modelos façam interpretações probabilísticas de dados contínuos, o que é essencial para avaliação de risco e sistemas de tomada de decisão. Sua natureza diferenciável também a torna vital para a otimização por gradiente descendente usada no treinamento de redes neurais complexas.
Symbols
Variables
(x) = Output (0-1), x = Input Value
Walkthrough
Derivation
Fórmula: Função Logística (Sigmoide)
A função logística mapeia qualquer entrada real para um valor estritamente entre 0 e 1, de modo que possa ser interpretada como uma probabilidade na classificação binária.
- A entrada x é qualquer número real.
- A saída é interpretada como a probabilidade da classe positiva.
Declarar a função sigmoide:
Exponenciais garantem que o denominador seja sempre positivo, mantendo a saída em (0,1).
Verificar o comportamento limite:
Um x positivo grande faz com que seja minúsculo, enquanto um x negativo grande faz com que seja enorme, empurrando a fração para perto de 0.
Note: Em x=0, (0)=1/2.
Result
Source: Standard curriculum — A-Level Data Science & Machine Learning
Free formulas
Rearrangements
Solve for
Isolar x
Rearranje a equação para isolar 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
Uma curva suave em forma de S que mapeia qualquer entrada real para uma saída entre 0 e 1, representando uma transição gradual de um estado para outro.
Signs and relationships
- -x: O sinal negativo no expoente '' é crucial para a forma de S. À medida que a entrada 'x' aumenta, '-x' diminui, fazendo com que '' se aproxime de zero.
- 1 + e^{-x}: O denominador garante que a saída '(x)' seja sempre limitada entre 0 e 1. Como '' é sempre positivo, '1 + ' é sempre maior que 1, o que garante que a fração '1 / (1 + )' seja
Free study cues
Insight
Canonical usage
A função logística recebe uma entrada adimensional e produz uma saída adimensional, tipicamente interpretada como uma probabilidade ou um valor entre 0 e 1.
Dimension note
Tanto a entrada 'x' quanto a saída '(x)' da função logística são adimensionais. O expoente de 'e' deve sempre ser adimensional, e a saída da função é uma probabilidade, que é uma razão sem unidades físicas
One free problem
Practice Problem
Um neurônio em um modelo de aprendizado profundo recebe uma soma ponderada (logit) de 0. Calcule a ativação de saída S usando a função logística.
Hint: Qualquer base não nula elevada à potência de 0 é 1.
The full worked solution stays in the interactive walkthrough.
Where it shows up
Real-World Context
Ao prever the probability of a positive class, Logistic Function é utilizado para calcular Output from Input Value. O resultado importa porque ajuda a estimar a probabilidade e formular um julgamento de risco ou decisão em vez de tratar o número como certeza.
Study smarter
Tips
- A saída S é exatamente 0,5 quando a entrada x é 0.
- Entradas distantes de zero levam a 'gradientes evanescentes' onde a função se torna muito plana.
- Sempre normalize as características de entrada para evitar que a função sature em 0 ou 1 muito rapidamente.
Avoid these traps
Common Mistakes
- Esquecer o sinal negativo em e^-x.
- Tratar a saída como ilimitada.
Common questions
Frequently Asked Questions
A função logística mapeia qualquer entrada real para um valor estritamente entre 0 e 1, de modo que possa ser interpretada como uma probabilidade na classificação binária.
Use esta função ao realizar classificação binária para prever a probabilidade de uma classe específica. É particularmente eficaz quando a relação entre as características e o resultado alvo segue uma curva em forma de S, em vez de uma tendência linear.
Ela permite que os modelos façam interpretações probabilísticas de dados contínuos, o que é essencial para avaliação de risco e sistemas de tomada de decisão. Sua natureza diferenciável também a torna vital para a otimização por gradiente descendente usada no treinamento de redes neurais complexas.
Esquecer o sinal negativo em e^-x. Tratar a saída como ilimitada.
Ao prever the probability of a positive class, Logistic Function é utilizado para calcular Output from Input Value. O resultado importa porque ajuda a estimar a probabilidade e formular um julgamento de risco ou decisão em vez de tratar o número como certeza.
A saída S é exatamente 0,5 quando a entrada x é 0. Entradas distantes de zero levam a 'gradientes evanescentes' onde a função se torna muito plana. Sempre normalize as características de entrada para evitar que a função sature em 0 ou 1 muito rapidamente.
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