Personnaliser les préférences

Nous utilisons des cookies pour vous aider à naviguer efficacement et à exécuter certaines fonctions. Vous trouverez ci-dessous des informations détaillées sur tous les cookies sous chaque catégorie de consentement.

Les cookies classés comme « Nécessaires » sont stockés sur votre navigateur car ils sont essentiels pour activer les fonctionnalités de base du site.... 

Toujours actif

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

Aucun cookie à afficher.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

Aucun cookie à afficher.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

Aucun cookie à afficher.

Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.

Aucun cookie à afficher.

Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.

Aucun cookie à afficher.

Comment calculer une fonction sigmoïde en Python (avec exemples)



Une fonction sigmoïde est une fonction mathématique qui présente une courbe en forme de « S » lorsqu’elle est tracée.

L’exemple le plus courant de fonction sigmoïde est la fonction sigmoïde logistique, qui est calculée comme suit :

F(x) = 1 / (1 + e -x )

Le moyen le plus simple de calculer une fonction sigmoïde en Python est d’utiliser la fonction expit() de la bibliothèque SciPy , qui utilise la syntaxe de base suivante :

from scipy.special import expit

#calculate sigmoid function for x = 2.5
expit(2.5)

Les exemples suivants montrent comment utiliser cette fonction dans la pratique.

Exemple 1 : calculer la fonction sigmoïde pour une valeur

Le code suivant montre comment calculer la fonction sigmoïde pour la valeur x = 2,5 :

from scipy.special import expit

#calculate sigmoid function for x = 2.5
expit(2.5)

0.9241418199787566

La valeur de la fonction sigmoïde pour x = 2,5 est 0,924 .

Nous pouvons le confirmer en calculant la valeur manuellement :

  • F(x) = 1 / (1 + e -x )
  • F(x) = 1 / (1 + e -2,5 )
  • F(x) = 1 / (1 + 0,082)
  • F(x) = 0,924

Exemple 2 : calculer la fonction sigmoïde pour plusieurs valeurs

Le code suivant montre comment calculer la fonction sigmoïde pour plusieurs valeurs x à la fois :

from scipy.special import expit

#define list of values
values = [-2, -1, 0, 1, 2]

#calculate sigmoid function for each value in list
expit(values)

array([0.11920292, 0.26894142, 0.5, 0.73105858, 0.88079708])

Exemple 3 : Tracer la fonction sigmoïde pour une plage de valeurs

Le code suivant montre comment tracer les valeurs d’une fonction sigmoïde pour une plage de valeurs x à l’aide de matplotlib :

import matplotlib.pyplot as plt
from scipy.special import expit
import numpy as np

#define range of x-values
x = np.linspace(-10, 10, 100)

#calculate sigmoid function for each x-value
y = expit(x)
  
#create plot
plt.plot(x, y)
plt.xlabel('x')
plt.ylabel('F(x)')

#display plot
plt.show()

fonction sigmoïde en Python

Notez que le tracé présente la courbe en forme de « S » caractéristique d’une fonction sigmoïde.

Ressources additionnelles

Les didacticiels suivants expliquent comment effectuer d’autres opérations courantes en Python :

Comment effectuer une régression logistique en Python
Comment tracer une courbe de régression logistique en Python

Ajouter un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *