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。