Eine Sigmoidfunktion ist eine mathematische Funktion, die beim Zeichnen eine „S“-förmige Kurve hat.

Das häufigste Beispiel einer Sigmoidfunktion ist die logistische Sigmoidfunktion, die wie folgt berechnet wird:

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

Der einfachste Weg, eine Sigmoid-Funktion in Python zu berechnen, ist die Verwendung der Funktion expit() aus der SciPy -Bibliothek, die die folgende grundlegende Syntax verwendet:

from scipy.special import expit

#Sigmoidfunktion für x = 2,5 berechnen
expit(2.5)

Die folgenden Beispiele zeigen, wie Sie diese Funktion in der Praxis verwenden können.

Beispiel 1: Sigmoid-Funktion für einen Wert berechnen

Der folgende Code zeigt, wie die Sigmoidfunktion für den Wert x = 2,5 berechnet wird:

from scipy.special import expit

#Sigmoidfunktion für x = 2,5 berechnen
expit(2.5)

0.9241418199787566

Der Wert der Sigmoidfunktion für x = 2,5 ist 0,924.

Wir können dies bestätigen, indem wir den Wert manuell berechnen:

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

Beispiel 2: Sigmoid-Funktion für mehrere Werte berechnen

Der folgende Code zeigt, wie die Sigmoidfunktion für mehrere x-Werte gleichzeitig berechnet wird:

from scipy.special import expit

#Werteliste definieren
values = [-2, -1, 0, 1, 2]

#Sigmoid-Funktion für jeden Wert in der Liste berechnen
expit(values)

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

Beispiel 3: Darstellung der Sigmoid-Funktion für den Wertebereich

Der folgende Code zeigt, wie die Werte einer Sigmoid-Funktion für einen Bereich von x-Werten mit matplotlib gezeichnet werden:

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

#Bereich von x-Werten definieren
x = np.linspace(-10, 10, 100)

#Sigmoidfunktion für jeden x-Wert berechnen
y = expit(x)

#Plot erstellen
plt.plot(x, y)
plt.xlabel('x')
plt.ylabel('F(x)')

#Plot anzeigen
plt.show()

Sigmoid-Funktion in Python

Beachten Sie, dass das Diagramm die „S“-förmige Kurve aufweist, die für eine Sigmoidfunktion charakteristisch ist.

Zusätzliche Ressourcen

Die folgenden Tutorials erklären, wie Sie andere gängige Operationen in Python ausführen:

So führen Sie eine logistische Regression in Python durch
So zeichnen Sie eine logistische Regressionskurve in Python

Statistik: Der Weg zur Datenanalyse

* Amazon Affiliate Link


Das könnte Sie auch interessieren: