Python中sigmoid函数中报： RuntimeWarning: overflow encountered in exp

在sigmoid 函数中使用 numpy.exp 的时候，遇到了 RuntimeWarning: overflow encountered in exp 。

原因：因为参数值inx很大时，exp(inx)可能会发生溢出，

有一种解决方式是对sigmoid函数实现的优化：如https://blog.youkuaiyun.com/CY_TEC/article/details/106083366

def sigmoid(inx):
    if inx>=0:      #对sigmoid函数的优化，避免了出现极大的数据溢出
        return 1.0/(1+exp(-inx))
    else:
        return exp(inx)/(1+exp(inx))

这样做可以保证exp(inx)值始终小于1，避免极大溢出。

但，个人总感觉这样有点怪，作者也说会出现下溢风险。所以查到一种方式，用scipy.special模块中的expit代替numpy中的exp，如下：

from scipy.special import expit

def sigmoid(z):
    """ 假设函数：logistics的假设函数是sigmoid函数 
        用expit函数来代替np中的exp

    """
    return expit(z)

expit函数，也称为logistic sigmoid函数，定义为expit（x）= 1 /（1 + exp（-x））。 它是logit函数的反函数。

参数：x:ndarray
　　　ndarray的元素应用expit函数
输出：
　　　out:ndarray
　　　与x形状相同的ndarray,它的元素是对应元素输入expit函数的结果

参考：https://docs.scipy.org/doc/scipy-0.14.0/reference/generated/scipy.special.expit.html