import numpy as np import math def softmax(scores: list[float]) -> list[float]: exp_scores = np.exp(scores) probabilities = exp_scores/np.sum(exp_scores) return np.round(probabilities,4).tolist() if __name__ == "__main__": scores = np.array(eval(input())) print(softmax(scores))

import math def sigmoid(z: float) -> float: result = 1/(1+math.exp(-1*z)) return round(result, 4) if __name__ == "__main__": z = float(input()) print(f"{sigmoid(z):.4f}")

import math import numpy as np def sigmoid(x): return 1/(1+np.exp(-x)) def single_neuron_model(features, labels, weights, bias): single = np.dot(features,weights)+bias pred = sigmoid(single) probabilities = np.round(pred,4).tolist() mse = np.sum((pred-labels)**2)/len(pred) mse = np.round(mse,4) retu...

加油，今年一定要拿到好的offer