如何计算一个逻辑sigmoid函数在Python?

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

下面是执行相同操作的python函数。

def sigmoid(x) :
    return 1.0/(1+np.exp(-x))

其他回答

import numpy as np

def sigmoid(x):
    s = 1 / (1 + np.exp(-x))
    return s

result = sigmoid(0.467)
print(result)

上面的代码是python中的逻辑sigmoid函数。如果已知x = 0.467， s型函数F(x) = 0.385。你可以尝试在上面的代码中替换任何你知道的x值，你会得到一个不同的F(x)值。

这应该做到:

import math

def sigmoid(x):
  return 1 / (1 + math.exp(-x))

现在你可以通过调用:

>>> sigmoid(0.458)
0.61253961344091512

更新:请注意，上面的操作主要是将给定表达式直接一对一地转换为Python代码。它没有经过测试，也没有被认为是一个数字上可靠的实现。如果你知道你需要一个非常健壮的实现，我相信其他人已经考虑过这个问题了。

下面是执行相同操作的python函数。

def sigmoid(x) :
    return 1.0/(1+np.exp(-x))

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

另一种方式

>>> def sigmoid(x):
...     return 1 /(1+(math.e**-x))
...
>>> sigmoid(0.458)

推荐文章