pourquoi la fonction sigmod est utilisée dans la régression logistique?

Question

J'ai fait quelques recherches par google et j'ai eu quelques réponses mais elles ont toutes leurs propres problèmes. Par exemple

1. Le résultat de SIGMOD sera entre 0 et 1.

Ce qui est bon, mais la fonction SIGMOD n'est pas la seule fonction dont le résultat est compris entre 0 et 1

1. Il est fonction monotone, mais encore une fois il y a beaucoup de fonction monotone.

Alors pourquoi sigmod? Certains comment je pense qu'il a un certain lien avec le théorème de limite centrale bien que je ne sais pas ce que c'est.

Alors pouvez-vous expliquer pourquoi sigmod dans la régression logique? Pourquoi est-ce bon de résoudre les problèmes de classification?

Answer 1

Je suggère de déplacer cette question à CrossValidated puisque c'est une ressource axée davantage sur les données, les statistiques et les mathématiques. L'une des principales raisons pour lesquelles vous voulez avoir une fonction entre 0 et 1 et l'ascendance monotone est que vous pouvez ainsi transformer les «scores» en «probabilités». A savoir une probabilité doit être non négative et sa distribution (cumulative) doit être monotone. Vous avez raison, il y a plus d'une fonction qui a cette condition mais cette fonction est également différentiable et continue ce qui la rend pratique pour la modélisation probabiliste. Plus il a plusieurs mathématiques properties qui impliquent refactoring et dérivé dans le terme propre de fonctions.