Як обчислити сигмоїдну функцію в python (з прикладами)
Сигмоїдна функція — це математична функція, яка на графіку має криву у формі «S».
Найпоширенішим прикладом сигмоїдної функції є логістична сигмоїдальна функція, яка обчислюється таким чином:
F(x) = 1 / (1 + e -x )
Найпростіший спосіб обчислити сигмоїдну функцію в Python — це використовувати функцію expit() із бібліотеки SciPy , яка використовує такий базовий синтаксис:
from scipy. special import expit #calculate sigmoid function for x = 2.5 expire(2.5)
Наступні приклади показують, як використовувати цю функцію на практиці.
Приклад 1: обчислення сигмоїдної функції для значення
У наступному коді показано, як обчислити сигмоїдну функцію для значення x = 2,5:
from scipy. special import expit #calculate sigmoid function for x = 2.5 expire(2.5) 0.9241418199787566
Значення сигмоїдної функції для x = 2,5 дорівнює 0,924 .
Ми можемо підтвердити це, розрахувавши значення вручну:
- F(x) = 1 / (1 + e -x )
- F(x) = 1 / (1 + e -2,5 )
- F(x) = 1 / (1 + 0,082)
- F(x) = 0,924
Приклад 2: обчислення сигмоїдної функції для кількох значень
Наступний код показує, як обчислити сигмоїдну функцію для кількох значень x одночасно:
from scipy. special import expit
#define list of values
values = [-2, -1, 0, 1, 2]
#calculate sigmoid function for each value in list
expire(values)
array([0.11920292, 0.26894142, 0.5, 0.73105858, 0.88079708])
Приклад 3: Побудова сигмоїдної функції для діапазону значень
Наступний код показує, як побудувати значення сигмоїдної функції для діапазону значень x за допомогою 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 = expire(x)
#createplot
plt. plot (x, y)
plt. xlabel (' x ')
plt. ylabel (' F(x) ')
#displayplot
plt. show ()
Зверніть увагу, що графік показує S-подібну криву, характерну для сигмоїдної функції.
Додаткові ресурси
У наступних посібниках пояснюється, як виконувати інші типові операції в Python:
Як виконати логістичну регресію в Python
Як побудувати криву логістичної регресії в Python