python 数据分析结果概率化处理

Sigmoid函数

Sigmoid 函数适用于只对一种类别进行分类的场景，本质上是非线性映射，定义域为单个数值，值域为（0,1）。首先设置函数阀值(shrehold)，当Sigmoid函数输出值大于阀值，则认为“是”这一类别；否则认为“不是”这一类别

sigmoid公式

Sigmoid曲线

def sigmoid(s):
    return 1 / (1 + np.exp(-s))

Softmax函数

Softmax函数是Sigmoid函数的“多类别”版本，可以将输出值对应到多个类别标签改了最高的的一项就是模型预测的标签。本质上是离散概率分布，定义域某个一维向量，值域 [0,1] ，结果之和一定为1

sofrmax公式

Softmax曲线

def softmax(s):
    return np.exp(s)/np.sum(np.exp(s), axis = 0)

Sigmoid和Softmax函数的主要区别

	Sigmoid	Softmax
公式
本质	非线性映射	离散概率分布
任务	二分类	多分类
定义域	单个数值	某个一维向量
值域	（0,1）	[0,1]
结果之和	某个正数	一定为1