Machine Learning · Clasificación binaria
Laboratorio de la función sigmoide
Explora cómo una combinación lineal de variables se transforma en una probabilidad. Modifica los parámetros del modelo, mueve X y observa en tiempo real el score, la probabilidad estimada y la clase resultante.
Score lineal z
0.10
β₀ + β₁X
Probabilidad p
52.50%
σ(z)
Umbral c
0.50
regla de decisión
Clase predicha
1
p ≥ c
Curva sigmoide y punto actual
zona de transiciónCálculo paso a paso
Fórmula vivaz = −1.50 + (0.80 × 2.00) = 0.10
p = 1 / (1 + e−0.10) = 0.5250
0.5250 ≥ 0.50 → Ŷ = 1
La decisión cambia cuando la probabilidad cruza el umbral seleccionado.
Interpretación automática
DidácticaQué observar
Ideas clave
1 · El score no es una probabilidad
z puede ser cualquier número real. La sigmoide es la transformación que lo lleva al intervalo [0,1].
2 · La mayor sensibilidad está cerca de p = 0.5
La curva cambia más rápido en la zona central y se aplana cuando p se acerca a 0 o a 1.
3 · Probabilidad y decisión son distintas
El modelo estima p. El umbral c agrega una regla operativa para convertir p en una clase.