scipy.special.log_expit#
- scipy.special.log_expit(x, out=None) = <ufunc 'log_expit'>#
logistic sigmoid 函数的对数。
SciPy 中 logistic sigmoid 函数的实现是
scipy.special.expit，因此此函数称为log_expit。此函数在数学上等价于
log(expit(x))，但其公式的目的是为了避免输入具有较大（正或负）幅度时精度损失。- 参数:
- xarray_like
要逐元素应用
log_expit的值。- outndarray, 可选
函数结果的可选输出数组
- 返回:
- out标量或 ndarray
计算的值，与
x形状相同的 ndarray。
另请参阅
注释
作为 ufunc，
log_expit接受多个可选的关键字参数。 有关更多信息，请参阅 ufuncs在 1.8.0 版本中添加。
示例
>>> import numpy as np >>> from scipy.special import log_expit, expit
>>> log_expit([-3.0, 0.25, 2.5, 5.0]) array([-3.04858735, -0.57593942, -0.07888973, -0.00671535])
较大的负值
>>> log_expit([-100, -500, -1000]) array([ -100., -500., -1000.])
请注意，
expit(-1000)返回 0，因此朴素的实现log(expit(-1000))返回-inf。较大的正值
>>> log_expit([29, 120, 400]) array([-2.54366565e-013, -7.66764807e-053, -1.91516960e-174])
将其与朴素的实现进行比较
>>> np.log(expit([29, 120, 400])) array([-2.54463117e-13, 0.00000000e+00, 0.00000000e+00])
第一个值仅精确到 3 位数字，而较大的输入会丢失所有精度并返回 0。