使用Python计算softmax函数

  softmax函数计算公式如下：
$$S_i=\frac{e^{v_i}}{\sum _0^j{e}^{v_i}}$$
  其中，Vi是长度为j的数列V中的一个数，带入softmax的结果其实就是先对每一个Vi取e为底的指数计算变成非负，然后除以所有项之和进行归一化，之后每个Vi就可以解释成观察到的数据Vi属于某个类别的概率，或者称作似然(Likelihood)。
  softmax函数代码如下：

import numpy
import math
def softmax(inMatrix):
    m,n = numpy.shape(inMatrix)
    outMatrix = numpy.mat(numpy.zeros((m,n)))
    soft_sum = 0
    for idx in range(0,n):
        outMatrix[0,idx] = math.exp(inMatrix[0,idx])
        soft_sum += outMatrix[0,idx]
    for idx in range(0,n):
        outMatrix[0,idx] = outMatrix[0,idx] / soft_sum
    return outMatrix

  输入一个数列a,计算结果如下：

a = numpy.array([[1, 2, 1, 2, 1, 1, 3]])