Python下的Softmax回归函数的实现方法(推荐)

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

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：

[ 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)