最新下载
热门教程
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
Python下的Softmax回归函数的实现方法
时间：2017-03-08 编辑：简简单单 来源：一聚教程网
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
| 代码如下 | 复制代码 |
importnumpy as np defsoftmax(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') ifx.ndim==1: sumcol=sum(x) foriinrange(x.size): x[i]=x[i]/float(sumcol) ifx.ndim >1: sumcol=x.sum(axis=0) forrowinx: foriinrange(row.size): row[i]=row[i]/float(sumcol[i]) returnx #测试结果 scores=[3.0,1.0,0.2] printsoftmax(scores) | |
其计算结果如下：
[0.83601880.113142840.05083836]
Softmax实现方法2
| 代码如下 | 复制代码 |
importnumpy as np defsoftmax(x): returnnp.exp(x)/np.sum(np.exp(x),axis=0)
#测试结果 scores=[3.0,1.0,0.2] printsoftmax(scores) | |
相关文章
- wps使用函数的方法 07-04
- Python递归函数定义与用法 06-05
- 如何学会创建并调用函数 05-18
- golang 函数中函数和方法有什么区别 05-13
- python socket函数中,send与sendall有什么区别 怎么使用 05-11
- wps表格中怎么使用函数 使用方法 04-17