Python下的Softmax回归函数的实现方法(推荐) |
您所在的位置：网站首页 › pythonmax函数 › Python下的Softmax回归函数的实现方法(推荐) |
Python下的Softmax回归函数的实现方法(推荐)
|
Python下的Softmax回归函数的实现方法(推荐)
2020-09-19 14:43脚本之家 Python 下面小编就为大家带来一篇Python下的Softmax回归函数的实现方法(推荐)。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧 Softmax回归函数是用于将分类结果归一化。但它不同于一般的按照比例归一化的方法，它通过对数变换来进行归一化，这样实现了较大的值在归一化过程中收益更多的情况。 Softmax公式
Softmax实现方法1 ? 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 import numpy as np def softmax(x): """Compute softmax values for each sets of scores in x.""" pass # TODO: Compute and return softmax(x) x = np.array(x) x = np.exp(x) x.astype('float32') if x.ndim == 1: sumcol = sum(x) for i in range(x.size): x[i] = x[i]/float(sumcol) if x.ndim > 1: sumcol = x.sum(axis = 0) for row in x: for i in range(row.size): row[i] = row[i]/float(sumcol[i]) return x #测试结果 scores = [3.0,1.0, 0.2] print softmax(scores)其计算结果如下： ? 1 [ 0.8360188 0.11314284 0.05083836]Softmax实现方法2 ? 1 2 3 4 5 6 7 import numpy as np def softmax(x): return np.exp(x)/np.sum(np.exp(x),axis=0) #测试结果 scores = [3.0,1.0, 0.2] print softmax(scores)以上这篇Python下的Softmax回归函数的实现方法(推荐)就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持服务器之家。 |
【本文地址】
今日新闻 |
推荐新闻 |