Python下的Softmax回归函数的实现方法(推荐)_Python

Python下的Softmax回归函数的实现方法(推荐)

2020-09-19 14:43脚本之家 Python

下面小编就为大家带来一篇Python下的Softmax回归函数的实现方法(推荐)。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧

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

Python下的Softmax回归函数的实现方法(推荐)

Softmax实现方法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)

其计算结果如下：

1	`[` `0.8360188` `0.11314284` `0.05083836]`

Softmax实现方法2

									import numpy as np

									def 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)