python 中的 sigmoid，可以采用标量、向量或矩阵

Question

以下代码是用Octave编程语言编写的

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

它计算一个 sigmoid 函数，可以采用标量、向量或矩阵。例如如果我将上面的内容放入函数 sigmoid(z) 中，其中 z=0，结果将是：

result=sigmoid(0)

结果将是标量 ( 0.5) 如果传递一个向量 z= [ 0.2, 0.4, 0.1]，它会输出一个向量作为结果：-

 result=sigmoid(z)

结果是一个向量：

 0.54983   0.59869   0.52498

如果 z 是一个矩阵，如

 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

现在如何在 Python 中实现类似的方法？。我试过下面的代码，

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

但它只适用于标量。不适用于矢量和矩阵。我究竟做错了什么。对不起，我之前的问题不是很清楚。我正在重新编辑它。

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中定义数组与在Octave中有点不同，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（IPython 中的运行）的结果是：

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 vectorized Sigmoid function expit scipy:

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

sigmoid in python that can take scalar, vector or matrix

math

python-3.x

sigmoid