在实现机器学习实战第五章的Logistic回归时，遇到了RuntimeWarning：overflow encountered in exp。原因是sigmoid函数处理极小负数时会导致数值溢出。为了解决这个问题，可以通过优化公式，即在分子分母同时乘以exp(x)，来避免数据溢出。此优化策略能确保程序正确运行并防止数值计算问题。
今天在写机器学习实战第五章 程序清单5-5的程序时，遇到这个问题：
RuntimeWarning: overflow encountered in exp
return 1.0/(1 + np.exp(-x))
原因在于sigmoid函数，当x是一个非常小的负数时，exp(-x)会过大，导致溢出，下面进行优化：
**原式分子分母同乘exp(x)**这个很小的数（原式大小不变），可以防止数据溢出
优化前：
def sigmoid
最低0.47元/天 解锁文章
扫一扫
评论 5
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
