使用python计算softmax函数

softmax计算公式：

                       Softmax是机器学习中一个非常重要的工具，他可以兼容 logistics 算法、可以独立作为机器学习的模型进行建模训练、还可以作为深度                 学习的激励函数。

　　　　         softmax的作用简单的说就计算一组数值中每个值的占比，公式一般性描述为：
              设一共有个用数值表示的分类，其中表示分类的个数。那么softmax

             

公式softmax的代码实现：

　　　　

import numpy as np
import math
def softmax(inMatrix):
    """
    softmax计算公式函数
    :param inMatrix: 矩阵数据
    :return:
    """
    m,n = np.shape(inMatrix)  #得到m,n(行，列)
    outMatrix = np.mat(np.zeros((m,n)))  #mat生成数组
    soft_sum = 0
    for idx in range(0,n):
        outMatrix[0,idx] = math.exp(inMatrix[0,idx])  #求幂运算，取e为底的指数计算变成非负
        soft_sum +=outMatrix[0,idx]   #求和运算
    for idx in range(0,n):
        outMatrix[0,idx] = outMatrix[0,idx] /soft_sum #然后除以所有项之后进行归一化
    return outMatrix
 
a = np.array([[1,2,1,2,1,1,3]])
print(softmax(a))

输出结果如下：

[[0.05943317 0.16155612 0.05943317 0.16155612 0.05943317 0.05943317
0.43915506]]