Question

以下代码用Octave编程语言编写

g =1./(1+e.^-(z)

它计算sigmoid函数，可以采用标量，向量或矩阵。例如如果我将上述内容放入函数sigmoid（z），其中z = 0，结果将为：

result=sigmoid(0)

结果将是标量（0.5）如果传递一个向量说z = [0.2,0.4,0.1]，它将输出结果的向量： -

 result=sigmoid(z)

结果是一个向量：

 0.54983   0.59869   0.52498

如果z是像

那样的矩阵

 z=[ 0.2 0.4; 0.5 0.7; 0.9 .004]

result = sigmoid(z)

结果是=

  0.54983   0.59869
  0.62246   0.66819
  0.71095   0.50100

现在我如何在Python中实现类似的方法？我尝试了下面的代码，

g=1./ (1 + math.exp(-z))

但它仅适用于标量。不适用于矢量和矩阵。我究竟做错了什么。对不起我以前的问题不太清楚。我被重新编辑了。

Answer 1

numpy模块包含在许多Python发行版中，并且易于添加到其他发行版中，具有数组功能。以下是如何使用numpy在Python中执行您想要的操作。请注意，在numpy中定义数组与Octave中的数组略有不同，但sigmoid表达式几乎完全相同。

from numpy import array, exp

z = array([ 0.2, 0.4, 0.1])
print('z = \n', z)
g = 1 / (1 + exp(-z))
print('g =\n', g)

print()

z = array([[0.2, 0.4], [0.5, 0.7], [0.9, .004]])
print('z = \n', z)
g = 1 / (1 + exp(-z))
print('g =\n', g)

该代码的结果（在IPython中运行）是：

z = 
 [ 0.2  0.4  0.1]
g =
 [ 0.549834    0.59868766  0.52497919]

z = 
 [[ 0.2    0.4  ]
 [ 0.5    0.7  ]
 [ 0.9    0.004]]
g =
 [[ 0.549834    0.59868766]
 [ 0.62245933  0.66818777]
 [ 0.7109495   0.501     ]]

Answer 2

或者，您可以使用scipy中可用的vectorized Sigmoid function expit：

from scipy.special import expit
from numpy import array

z = array([ 0.2, 0.4, 0.1])
g = expit(z)

python中的sigmoid，可以采用标量，向量或矩阵

2 个答案: