时间:2021-05-22
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
import numpy as npdef 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:
[ 0.8360188 0.11314284 0.05083836]Softmax实现方法2
import numpy as npdef 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。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
本文实例讲述了Python实现的线性回归算法。分享给大家供大家参考,具体如下:用python实现线性回归UsingPythontoImplementLineRe
本文实例讲述了Python实现的逻辑回归算法。分享给大家供大家参考,具体如下:使用python实现逻辑回归UsingPythontoImplementLogis
本文实例讲述了Python实现的简单线性回归算法。分享给大家供大家参考,具体如下:用python实现R的线性模型(lm)中一元线性回归的简单方法,使用R的wom
python运行其他程序的实现方法这里提供了两种实现方法,一.os.system()函数和使用ShellExecute函数运行其他程序及实现代码,大家可以参考下
print()函数原理python使用print()函数输出时,我们先了解一下print()函数具体实现:描述print()方法用于打印输出,最常见的一个函数。