Зачем нужна сигмоида в логистической регрессии? Что она позволяет сделать?

Сигмоида в логистической регрессии нужна для преобразования линейной комбинации признаков в вероятность принадлежности к классу. Она принимает любое число на входе и возвращает значение от 0 до 1, что удобно интерпретировать как вероятность.

Без сигмоиды модель выдавала бы любое число, что сложно использовать для классификации. Сигмоида позволяет:

• Получить выход в виде вероятности.
• Использовать порог (например, 0.5) для принятия решения о классе.
• Обеспечить гладкую, дифференцируемую функцию для обучения модели с помощью градиентного спуска.

Пример функции сигмоида:

import math

def sigmoid(x):
    return 1 / (1 + math.exp(-x))

# Пример использования
z = 2.0
probability = sigmoid(z)  # Вероятность принадлежности к классу