这是一个logistic sigmoid函数:
我知道x,现在如何用Python计算F(x) ?
设x = 0.458。
F(x) = ?
这是一个logistic sigmoid函数:
我知道x,现在如何用Python计算F(x) ?
设x = 0.458。
F(x) = ?
当前回答
如果把-放在x前面使您感到困惑,您可以简单地声明1 / np.exp(x)。
def sigmoid(x):
return 1 /(1 + 1 / np.exp(x))
sigmoid(0.458)
其他回答
@unwind的回答很好。然而,它不能处理极端负数(抛出OverflowError)。
我的改进:
def sigmoid(x):
try:
res = 1 / (1 + math.exp(-x))
except OverflowError:
res = 0.0
return res
另一种方式
>>> def sigmoid(x):
... return 1 /(1+(math.e**-x))
...
>>> sigmoid(0.458)
使用numpy包允许sigmoid函数解析向量。
为了与Deeplearning相一致,我使用以下代码:
import numpy as np
def sigmoid(x):
s = 1/(1+np.exp(-x))
return s
另一种方法是变换tanh函数
sigmoid = lambda x: .5 * (math.tanh(.5 * x) + 1)
一个班轮…
In[1]: import numpy as np
In[2]: sigmoid=lambda x: 1 / (1 + np.exp(-x))
In[3]: sigmoid(3)
Out[3]: 0.9525741268224334