《机器学习实战》笔记：RuntimeWarning: overflow encountered in exp

最新推荐文章于 2025-02-27 20:13:24 发布

cckchina

最新推荐文章于 2025-02-27 20:13:24 发布

阅读量2.2w

点赞数 5

分类专栏：《机器学习实战》笔记Python3.6

本文链接：https://blog.youkuaiyun.com/cckchina/article/details/79915181

版权

《机器学习实战》笔记Python3.6 专栏收录该内容

9 篇文章

订阅专栏

本文探讨了在逻辑回归中sigmoid函数可能导致的数值溢出问题，并提出了一种优化方案来解决这一问题。通过条件判断避免了exp函数在负数输入时产生的极大值，从而降低了错误率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

>>> logRegres.multiTest()
Warning (from warnings module):
File "E:/AI/FirstPythonProj\logRegres.py", line 13
return 1.0/(1+exp(-inX))
RuntimeWarning: overflow encountered in exp
the error rate of this test is: 0.388060
the error rate of this test is: 0.388060
the error rate of this test is: 0.388060
the error rate of this test is: 0.388060
the error rate of this test is: 0.417910
the error rate of this test is: 0.298507
the error rate of this test is: 0.298507
the error rate of this test is: 0.358209
the error rate of this test is: 0.298507
the error rate of this test is: 0.298507

after 10 iterations the average error rate is: 0.352239

再次运行logRegres.multiTest()时，没有第一次的警告，sigmoid函数优化可避免类似问题：

def sigmoid(inX):
    from numpy import exp
    return 1.0/(1+exp(-inX))

def sigmoid(inX):
    from numpy import exp
    #return 1.0/(1+exp(-inX))
    #优化20180412
    if inX>=0:
        return 1.0/(1+exp(-inX))
    else:
        return exp(inX)/(1+exp(inX))