Regresión logística

Clasificación binaria con $p(y = 1\mid x) = \sigma(w\cdot x + b)$, entrenada por máxima verosimilitud (entropía cruzada). Es convexa, así que el descenso de gradiente encuentra el óptimo global: una sola neurona, y el puente hacia las redes neuronales.

Las puntuaciones de fraude, la predicción de clics y los modelos de riesgo médico siguen siendo regresiones logísticas; su gradiente es el caso más sencillo de retropropagación.