Softmax迴歸函數是用於將分類結果歸一化。但它不同於一般的按照比例歸一化的方法,它透過對數變換來進行歸一化,這樣實現了較大的值在歸一化過程中收益更多的情況。
Softmax公式
Softmax實作方法1
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)
其計算結果如下的Softmax回歸函數的實現方法(推薦)就是小編分享給大家的全部內容了,希望能給大家一個參考,也希望大家多多支持PHP中文網。
更多Python下的Softmax迴歸函數的實作方法相關文章請關注PHP中文網!