小编Jas*_*y.W的帖子

我正在学习神经网络,我想cross_entropy在python中编写一个函数.在哪里定义为

其中N是样本的数目,k是类的数量,log是自然对数,t_i,j是1,如果样品i是在类j和0否则,和p_i,j是预测的概率的样品i是在类j.要避免使用对数的数字问题,请将预测剪辑到[10^{?12}, 1 ? 10^{?12}]范围.

根据上面的描述,我通过clippint预测[epsilon, 1 ? epsilon]范围来记下代码,然后根据上面的公式计算交叉熵.

def cross_entropy(predictions, targets, epsilon=1e-12):
    """
    Computes cross entropy between targets (encoded as one-hot vectors)
    and predictions. 
    Input: predictions (N, k) ndarray
           targets (N, k) ndarray        
    Returns: scalar
    """
    predictions = np.clip(predictions, epsilon, 1. - epsilon)
    ce = - np.mean(np.log(predictions) * targets) 
    return ce

以下代码将用于检查功能cross_entropy …

我有5个序列号的列表:

['123', '134', '234', '214', '223'] 

我想获得每个数字的百分比1, 2, 3, 4在ith号码中的各个序列的位置.例如,这个数字序列的0th位置上5的数字是1 1 2 2 2,然后我需要计算 1, 2, 3, 4这个数字序列中的百分比并返回百分比作为0th新列表的元素.

['123', '134', '234', '214', '223']

0th position: 1 1 2 2 2   the percentage of 1,2,3,4 are respectively: [0.4, 0.6, 0.0, 0.0]

1th position: 2 3 3 1 2   the percentage of 1,2,3,4 are respectively: [0.2, 0.4, 0.4, 0.0]

2th position: 3 4 4 4 3   the percentage of …

我有一个数据框：

Y  X1  X2  X3
1   1   0  1
1   0   1  1
0   1   0  1
0   0   0  1
1   1   1  0
0   1   1  0

我想Y根据等于 的其他列对列中的所有行求和1，即sum(Y=1|Xi =1)。例如，对于列X1，s1 = sum(Y=1|Xi =1) =1 + 0 +1+0 =2

Y  X1   
1   1   

0   1    

1   1    
0   1   

对于X2列，s2 = sum(Y=1|Xi =1) = 0 +1+0 =1

    Y   X2  

    0   1   

    1   1    
    0   1     

对于X3 …

我想根据空间分割一个字符串

a = ' girl\n    is'
a.split()
['girl', 'is']

我发现分裂后,'\n'也会消失.我想要的结果是

['girl\n', 'is']

然后,如果我使用.splitlines方法,返回的结果也不是我想要的.

a.splitlines(True)
[' girl\n', '    is']

你有什么建议吗？谢谢!