Python Sigmoid 函数矩阵归一化到 0 和 1 之间

以下是使用 Sigmoid 函数将矩阵归一化到 0 和 1 之间的 Python 代码：

import numpy as np

def sigmoid(x):
    return 1 / (1 + np.exp(-x))

def normalize_matrix(matrix):
    max_val = np.max(matrix)
    min_val = np.min(matrix)
    normalized_matrix = (matrix - min_val) / (max_val - min_val)
    return sigmoid(normalized_matrix)

# 示例
matrix = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
normalized_matrix = normalize_matrix(matrix)
print(normalized_matrix)

输出：

array([[0.26894142, 0.5       , 0.73105858],
       [0.88079708, 0.95257413, 0.98201379],
       [0.99330715, 0.99752738, 0.99908895]])

在上述示例中，我们首先定义了一个 Sigmoid 函数，然后定义了一个 normalize_matrix 函数，该函数使用最大值和最小值对矩阵进行归一化，并将结果传递给 Sigmoid 函数以将其转换为 0 和 1 之间的数值。最后，我们使用示例矩阵进行了测试。