Pourquoi a-t-on besoin de la sigmoïde en régression logistique ? Que permet-elle de faire ?

La sigmoïde en la régression logistique est nécessaire pour transformer la combinaison linéaire des caractéristiques en une probabilité d'appartenance à la classe. Elle prend n'importe quel nombre en entrée et renvoie une valeur comprise entre 0 et 1, ce qui est pratique pour l'interprétation comme une probabilité.

Sans la sigmoïde, le modèle pourrait produire n'importe quel nombre, ce qui serait difficile à utiliser pour la classification. La sigmoïde permet de:

• Obtenir une sortie sous forme de probabilité.
• Utiliser un seuil (par exemple, 0,5) pour prendre une décision de classe.
• Fournir une fonction lisse et différentiable pour entraîner le modèle par descente de gradient.

Exemple de fonction sigmoïde :

import math

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

# Exemple d'utilisation
z = 2.0
probabilité = sigmoid(z)  # Probabilité d'appartenance à la classe