如何对列表中每组5个softmax数组逐元素相乘后求argmax

你可以直接用NumPy完成所有操作，以下是两种可选实现：

前置依赖 #

导入NumPy库即可：

import numpy as np

你已经生成初始列表vals_pred的代码如下：

vals_pred = [res.iloc[i]['y_pred'][0:5] for i in range(len(res))
             if len(res.iloc[i]['y_pred']) > lookahead]

方案1：直接计算逐元素乘积 #

直接对每个元素内的5个softmax数组沿第一个维度做乘积，再取argmax即可：

# 仅获取最终argmax结果
argmax_result = [np.argmax(np.prod(arr, axis=0)) for arr in vals_pred]

# 如果需要保留中间乘积结果，可以拆分步骤
prod_arr_list = [np.prod(arr, axis=0) for arr in vals_pred]
argmax_result = [np.argmax(prod_arr) for prod_arr in prod_arr_list]

该方案逻辑直观，但多个极小的softmax值相乘容易出现浮点下溢，导致结果精度下降。

方案2：对数域计算（更推荐） #

由于对数函数是单调递增函数，乘积的argmax等价于对数和的argmax，在对数域计算可以完全避免下溢问题，结果更稳定：

argmax_result = [np.argmax(np.sum(np.log(arr), axis=0)) for arr in vals_pred]

该方案不需要显式计算乘积，计算效率和精度都优于直接相乘的方案。

结果验证 #

针对你给出的示例输入，两种方案输出的结果都是[2, 6]，和预期一致。

内容的提问来源于stack exchange，提问作者QueryQuasar