Python sigmoid函数-类型错误

如果我第一次没有正确理解，我深表歉意，因为我对这个论坛和Python都是新手。我正在尝试进行逻辑回归，并希望计算S形函数

代码：

import numpy as np

csv_file_object = csv.reader(open('train.csv', 'rb')) 
header = csv_file_object.next()                       

train_data=[]                                           

for row in csv_file_object:                             
    train_data.append(row[1:])                          

train_data = np.array(train_data) 

X = train_data

X = np.c_[ np.ones(N), X ]   # print type(X) gives <type 'numpy.ndarray'>

def sigmoid(z):
    s = 1.0 / (1.0 + np.exp**(-1.0 * z))
    return s

print sigmoid(X)

文件“C:\Users…”，第59行，以sigmoid格式

s = 1.0 / (1.0 + np.exp**(-1.0 * z))

TypeError:不支持*：“float”和“numpy.ndarray”的操作数类型

我尝试将1.0转换为1，然后在错误中使用“.astype（np.float）”和其他尝试获取“int”而不是“float”。我曾寻找过类似的问题，并查看过文档，但未能找到解决方案（或理解我确实在阅读解决方案！）：

我的理解是，指数函数应该对数组中的每个元素执行按元素的指数运算

---

我缺少什么？

numpy.exp是一个函数，您正在尝试对该函数应用求幂运算符。Python显然不知道您在谈论什么

---

您需要选择numpy求幂或Python求幂，而不是两者都选择。查看您链接到的文档中的语法。

除了@roippi指出的语法错误外，您还可以使用

numpy

I/O函数；无需通过csv模块

另一个问题是，

csv

模块为您提供字符串，因此您的

train_数据

最终不是带有float

dtype

的

ndarray

（用于在numpy数组中存储何种对象的行话）

例如，类似这样的方法应该有效：

>>> !cat train.csv
a,b,c
1,2,3
2,3,4
4,5,6
>>> train_data = np.loadtxt("train.csv", skiprows=1, delimiter=",")
>>> train_data
array([[ 1.,  2.,  3.],
       [ 2.,  3.,  4.],
       [ 4.,  5.,  6.]])
>>> np.exp(train_data)
array([[   2.71828183,    7.3890561 ,   20.08553692],
       [   7.3890561 ,   20.08553692,   54.59815003],
       [  54.59815003,  148.4131591 ,  403.42879349]])

或者，您可以简单地强制转换。从你所拥有的开始，可能是这样的：

>>> train_data
array([['2', '3'],
       ['3', '4'],
       ['5', '6']], 
      dtype='|S1')

（注意此处的

dtype

）您可以指定类型：

>>> train_data.astype(float)
array([[ 2.,  3.],
       [ 3.,  4.],
       [ 5.,  6.]])
>>> np.array(train_data, dtype=float)
array([[ 2.,  3.],
       [ 3.,  4.],
       [ 5.,  6.]])

---

拆下**，它将被固定

---

np.exp

里面有幂函数，这就是为什么会出现错误的原因

啊，是的，我在看解决方案。谢谢。太好了，这是一种更简单的I/O方法。这对于解决这个问题也是必要的，因为我有一个字符串数组。谢谢。exp（-1.0*z）应该可以解决您的问题，（numpy.exp是指数函数，而不是欧拉数）

>>> train_data.astype(float)
array([[ 2.,  3.],
       [ 3.,  4.],
       [ 5.,  6.]])
>>> np.array(train_data, dtype=float)
array([[ 2.,  3.],
       [ 3.,  4.],
       [ 5.,  6.]])