可以使用哪些函数将取值范围较广的变量，映射到【0，1】？

最新推荐文章于 2024-10-08 11:37:32 发布

生非异也_善假于物也

最新推荐文章于 2024-10-08 11:37:32 发布

阅读量528

点赞数 1

文章标签：机器学习算法人工智能

本文链接：https://blog.csdn.net/happylele77/article/details/134759052

版权

有几种常见的方法可以将取值范围较广的数据压缩到[0, 1]之间：

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

import numpy as np
def softmax(x):
    e_x = np.exp(x - np.max(x))  # 为了数值稳定性，减去最大值
    return e_x / e_x.sum(axis=0)

这段代码定义了一个名为 softmax 的函数，它接受一个一维或多维数组 x 作为输入，并返回对应的Softmax概率分布。在这里，np.exp() 是用来计算指数，np.max() 用于找到数组中的最大值，而 axis=0 表示对数组的第一个维度进行求和。这个Softmax函数能够将输入转换为概率分布，确保所有输出值的总和为1。