Python Lambda函数

这里有个函数，谁能解释一下这里发生了什么？ 我知道函数体中发生了什么，但不知道lambda函数是如何工作的 我不熟悉lambda函数，因此我不确定该函数返回的方式或内容。t和c到底是什么

def get_梯度（self、A、b、x、beta）：
返回值（λt，c:（2*self.lambda_*x-A.t@（b*t）/c，和（-b*t）/c））（1/（1+np.exp（b）*(A@x+beta)))，A.shape[0]

A是矩阵，b和x是列向量，beta和lambda是标量，这里，

get\u gradient（self，A，b，x，beta）

返回一个函数。换句话说，它是一个定义另一个函数并将其作为输出返回的函数。如果您想根据不同类型的参数定义多个函数，它很有用

我将向您介绍有关

lambda

函数及其典型用途的更多信息

但在您的情况下，一个更简单的示例可能会帮助您了解发生了什么！假设您有：

def f(a):
    return lambda x: x**a

这里，f返回一个函数，该函数将a的幂应用于其输入

一旦你有了这个，你可以做：

g = f(2)

其结果与您所做的基本相同：

def g(x):
    return x**2

无论哪种情况，您现在都可以执行以下操作：

g(5)

# > 25

---

看起来您缺少了最后一个结束括号，所以我认为应该是：

def get_gradient(self, A, b, x, beta):
    return (lambda t,c: (2*self.lambda_*x - A.T@(b*t)/c, sum(-b*t)/c))(1/(1+np.exp(b*(A@x+beta))), A.shape[0])

这与执行以下操作相同：

def get_gradient(self, A, b, x, beta):
    def fn(t, c):
        return (2*self.lambda_*x - A.T@(b*t)/c, sum(-b*t)/c))
    return fn(1/(1+np.exp(b*(A@x+beta))), A.shape[0])

这与：

def get_gradient(self, A, b, x, beta):
    t = 1/(1+np.exp(b*(A@x+beta)))
    c = A.shape[0]
    return (2*self.lambda_*x - A.T@(b*t)/c, sum(-b*t)/c))

---

在我的例子中，t和c到底是什么？@SharhadBashar，它们只是传递到正在返回的函数中的参数。就像这里的示例中的

x

。确实如此。正如@Chris所说，

t

和

c

是第一个函数

get\u（）将返回的函数的参数

。换句话说，一旦您使用了由

get\u gradient（）

返回的函数，它们将被使用并需要指定。好的，我想我现在理解了t=1/（1+np.exp（b*(A@x+beta))c=A.shape[0]lambda表达式只是创建函数的表达式。lambda函数与

def

语句创建的函数没有区别。