python編寫softmax函數(shù)、交叉熵函數(shù)實例
python代碼如下:
import numpy as np # Write a function that takes as input a list of numbers, and returns # the list of values given by the softmax function. def softmax(L): pass expL = np.exp(L) sumExpL = sum(expL) result = [] for i in expL: result.append(i*1.0/sumExpL) return result
python編寫交叉熵公式:
import numpy as np def cross_entropy(Y, P): Y = np.float_(Y) P = np.float_(P) return -np.sum(Y * np.log(P) + (1 - Y) * np.log(1 - P))
補充知識:分類時,為什么不使用均方誤差而是使用交叉熵作為損失函數(shù)
MSE(均方誤差)對于每一個輸出的結(jié)果都非??粗?,而交叉熵只對正確分類的結(jié)果看重。
例如:在一個三分類模型中,模型的輸出結(jié)果為(a,b,c),而真實的輸出結(jié)果為(1,0,0),那么MSE與cross-entropy相對應的損失函數(shù)的值如下:
MSE:
cross-entropy:
從上述的公式可以看出,交叉熵的損失函數(shù)只和分類正確的預測結(jié)果有關(guān)系,而MSE的損失函數(shù)還和錯誤的分類有關(guān)系,該分類函數(shù)除了讓正確的分類盡量變大,還會讓錯誤的分類變得平均,但實際在分類問題中這個調(diào)整是沒有必要的。
但是對于回歸問題來說,這樣的考慮就顯得很重要了。所以,回歸問題熵使用交叉上并不合適。
以上這篇python編寫softmax函數(shù)、交叉熵函數(shù)實例就是小編分享給大家的全部內(nèi)容了,希望能給大家一個參考,也希望大家多多支持腳本之家。
相關(guān)文章
python中ImageTk.PhotoImage()不顯示圖片卻不報錯問題解決
這篇文章主要給大家介紹了關(guān)于在python中ImageTk.PhotoImage()不顯示圖片卻不報錯問題的解決方法,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧2018-12-12思考分析Python運算中?a+=b?和?a=a+b是否相等
這篇文章主要為大家介紹了Python運算中a+=b和a=a+b是否相等及原理思考分析,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步,早日升職加薪2023-04-04Python headers請求頭如何實現(xiàn)快速添加
這篇文章主要介紹了Python headers請求頭如何實現(xiàn)快速添加,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-11-11