gpt4 book ai didi

Python下的Softmax回归函数的实现方法(推荐)

转载 作者:qq735679552 更新时间:2022-09-27 22:32:09 32 4
gpt4 key购买 nike

CFSDN坚持开源创造价值,我们致力于搭建一个资源共享平台,让每一个IT人在这里找到属于你的精彩世界.

这篇CFSDN的博客文章Python下的Softmax回归函数的实现方法(推荐)由作者收集整理,如果你对这篇文章有兴趣,记得点赞哟.

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 。

Python下的Softmax回归函数的实现方法(推荐)

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我.

最后此篇关于Python下的Softmax回归函数的实现方法(推荐)的文章就讲到这里了,如果你想了解更多关于Python下的Softmax回归函数的实现方法(推荐)的内容请搜索CFSDN的文章或继续浏览相关文章,希望大家以后支持我的博客! 。

32 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com