Python实现Sigmoid函数异常：输出始终在0.7-0.8区间求助

嘿，我来帮你排查下这个问题！你的Sigmoid函数输出始终卡在0.7-0.8之间，主要有两个核心原因，咱们一步步来解决：

1. 你用的自然常数e值不对 #

标准Sigmoid函数里的底数e是自然常数，它的近似值是2.71828（而不是你写的2.671）。这个数值偏差会直接扭曲Sigmoid的曲线形状，导致输出范围被压缩，没法正常覆盖0到1的区间。

修正后的Sigmoid代码 #

更稳妥的方式是直接用Python内置的math.exp函数，它会精准计算自然指数：

import math

def ActivationFunction(a):
    # 标准Sigmoid函数实现
    expo = math.exp(a)
    val = expo / (1 + expo)
    return val

如果不想引入math库，也可以手动把e的值修正为2.71828来接近真实值。

2. 输入值a的范围太窄 #

即使修正了e的值，如果你的输入a始终落在一个很小的区间（比如0到0.5之间），Sigmoid的输出也会集中在0.5-0.62左右；如果输入区间是0.5到1，输出就会卡在0.62-0.73之间，刚好接近你说的0.7-0.8区间。

解决办法：

• 检查你的神经网络输入数据，做特征归一化/标准化，把输入值缩放到[-5, 5]这个区间内（Sigmoid在这个区间内的输出变化最明显，能覆盖0到1的完整范围）。
• 查看网络的权重初始化是否合理，如果权重太小，会导致经过线性计算后的a值范围被限制住，无法触发Sigmoid的全范围输出。

举个直观的例子：当输入a=-5时，Sigmoid输出≈0.0067；a=0时输出0.5；a=5时输出≈0.9933，这样就能正常适配XOR问题的输出需求了。

内容的提问来源于stack exchange，提问作者pr22