Python下的Softmax回歸函數的實作方法

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！