问题标签 [sigmoid]

这是一个逻辑 sigmoid 函数：

我知道x。我现在如何在 Python 中计算 F(x)？

假设 x = 0.458。

F(x) = ?

在 中scipy.special.expit，逻辑函数的实现如下：

但是，我已经看到了其他语言/框架的实现

我想知道 scipy 版本实际上带来了多少好处。

对于非常小x的 ，结果接近 0。即使exp(-x)溢出到也可以工作Inf。

我正在尝试使用 MathNumerics 线性代数库在 .net 中实现逻辑回归。我需要实现以下等式，并且不确定如何通过矩阵来完成提升 e。

1.0 ./ (1.0 + E .^ (-1 .* Z))

其中 Z 是矩阵，E 是数学常数 e。

所以有问题的代码部分是 E .^ Z

作为概念的基本证明，在一个使用输入 x、偏差 b、输出 y、S 个样本、权重 v 和 t 教师信号对 K 类进行分类的网络中，如果匹配样本在 k 类之下，则 t(k) 等于 1。

变量

让 x_(is) 表示 s_(th) 样本中的 i_(th) 输入特征。v_(ks) 表示一个向量，该向量包含从 s_(th) 样本中的所有输入到 k_(th) 输出的连接权重。t_(s) 表示 s_(th) 样本的教师信号。

如果我们扩展上述变量以考虑多个样本，则必须在声明变量 z_(k)、激活函数 f(.) 并使用 corss 熵作为成本函数时应用以下更改： 推导

通常在学习规则中，总是包含 delta ( t_(k) - y_(k) )，为什么 Delta 没有出现在这个等式中？我是否遗漏了某些东西，或者显示的 delta 规则不是必须的？

我有以下功能

我只想拥有 sigmoid，它根据输入对标量、向量或矩阵执行。

也就是说，这个函数需要非常高效，因为它位于循环的最关键部分。关于如何做到这一点的任何见解？如果它会很慢，请随意张贴如何小心它会很慢。

我正在运行一些需要使用以下功能的实验：

该函数从0.0to返回一个数字1.0（参见https://en.wikipedia.org/wiki/Sigmoid_function）。如果我给它输入小值x，那么结果如预期，例如

但是，当 x 变大时，函数总是返回 1.0。

我怀疑这与将 1.0 与可能非常小的数字 ( 1.0 + math.exp(-x)) 相加的函数部分有关。例如

如何防止 Python 出现此类错误？我认为这是一个上溢（或下溢？？）问题。有小费吗？提前致谢。

我正在使用一个数据集，发现曲线是 sigmoidal。我已经拟合了曲线并得到了方程 A2+((A1-A2)/1+exp((x-x0)/dx)) 其中：

• x0 : 曲线的中点
• dx : 曲线的斜率

我需要找到斜率和中点才能给出广义方程。有什么建议么？

我正在从 coursera 学习机器学习。我正在尝试计算 sigmoid 函数，并且我有以下代码：

试图通过神经网络前向传播一些数据

当我运行时：
NN = Neural_Network() yHat = NN.forward(X)

为什么我会收到错误消息：TypeError: sigmoid() takes exactly 1 argument (2 given)

当我运行时： print NN.W1

我得到：[[ 1.034435 -0.19260378 -2.73767483] [-0.66502157 0.86653985 -1.22692781]]

（也许这是 numpy dot 函数返回太多维度的问题？）

*注意：我在 jupyter notebook 中运行，并且%pylab inline

任何人都可以在 vb.net 中编写一个简单的 sigmoid 函数吗？我已经尝试过，但我认为它不起作用。如果有人可以提出任何改进和/或修复建议，我将非常高兴。谢谢！