Sigmoid es una función matemática que transforma un valor real en una salida entre 0 y 1. Por eso suele aparecer en redes neuronales cuando es útil representar una puntuación como un valor parecido a una probabilidad o una activación limitada.
Como funciona
La función recibe un número y genera una curva en forma de S. Valores muy negativos se acercan a 0, valores muy positivos se acercan a 1 y valores cercanos a cero quedan en la región central de la curva. La salida nunca necesita alcanzar exactamente los extremos para ser útil.
En una red neuronal, esta transformación puede usarse en la salida de un clasificador binario, por ejemplo para estimar si un mensaje pertenece a una categoría. La función también se usó en capas internas de redes, aunque otras funciones de activación son frecuentes en arquitecturas modernas. La elección depende del objetivo y del diseño del modelo.
La sigmoid no decide por sí sola qué hacer con la salida. Una aplicación puede comparar el valor con un umbral elegido y, entonces, clasificar la entrada. Ese umbral debe evaluarse con ejemplos relevantes, pues una decisión incorrecta puede tener costos diferentes según la categoría y el contexto.
Ejemplo práctico
Imagina un sistema que analiza mensajes recibidos y estima si cada uno es spam. El modelo produce una puntuación y aplica la sigmoid, resultando en un valor de 0 a 1. El sistema puede enviar a revisión humana los mensajes que queden en un rango incierto, en vez de bloquear automáticamente todo lo que pase un único límite.
El equipo necesita probar el modelo con mensajes legítimos y mensajes no deseados, incluyendo ejemplos que no aparecieron en el entrenamiento. Si el sistema clasifica incorrectamente mensajes importantes, tal vez sea necesario ajustar los datos, el modelo o el umbral de decisión. Cambiar solo la función de activación no resuelve todos los errores.
En una red neuronal usada para una tarea con varias categorías mutuamente excluyentes, la sigmoid puede no ser la elección apropiada para la capa final. El formato de la salida debe reflejar la pregunta del problema, como “sí o no”, “varias etiquetas posibles” o “una clase entre varias”.
Para qué sirve
La sigmoid es útil cuando una salida limitada al intervalo de 0 a 1 facilita la interpretación o una etapa posterior. Aparece en clasificación binaria y en tareas en las que cada etiqueta puede marcarse de forma independiente. En algunos modelos, también funciona como componente interno de cálculo.
Una salida de la sigmoid no debe interpretarse automáticamente como confianza bien calibrada. El modelo puede estar equivocado o presentar probabilidades que no corresponden a la frecuencia real de aciertos. En aplicaciones importantes, evalúa calibración, precisión, recall y el costo de falsos positivos y falsos negativos.
La función también puede saturarse: cuando la entrada queda muy alejada de la región central, pequeños cambios en la entrada casi no alteran la salida. Esto puede dificultar el entrenamiento en ciertas redes profundas. Por ese motivo, los ingenieros eligen la activación teniendo en cuenta estabilidad, desempeño y arquitectura, y validan la decisión experimentalmente.
Diferencia entre sigmoid y softmax
Sigmoid transforma cada valor de manera independiente, lo que es útil cuando varias etiquetas pueden ser verdaderas al mismo tiempo. Softmax normaliza un grupo de puntuaciones como una única distribución, más adecuada cuando se elige entre clases mutuamente excluyentes. La tarea define qué interpretación tiene sentido.