python- Softmax函数详解与代码案例
Softmax函数通常用于机器学习中的分类问题,将一个向量映射到一个概率分布上。下面是Python中Softmax函数的实现,以及一个使用Softmax进行多分类的例子。
Softmax函数的实现:
import numpy as np
def softmax(x):
"""计算向量的Softmax值"""
exp_x = np.exp(x)
return exp_x / np.sum(exp_x)
使用Softmax进行多分类的例子:
假设有一个特征向量x
,它有三个特征,对应于三个类别。
# 特征向量
x = np.array([1, 2, 3])
# 计算Softmax值
prob_dist = softmax(x)
# 输出每个类别的概率
print(f"类别1的概率: {prob_dist[0]}, 类别2的概率: {prob_dist[1]}, 类别3的概率: {prob_dist[2]}")
这个简单的例子展示了如何使用Softmax函数来将一个特征向量转换为概率分布。在实际应用中,x
可以是一个多维数组,其中每行代表一个特征向量。
评论已关闭