初见这个函数是在做吴恩达ML课后作业时用到的。当初在《利用Python进行数据分析》一书当中也看过这个函数，但是忘记了，果然练习使用才是最好的记忆方式。
后文以np代指numpy。
一、简介
np.exp()函数是求exe^{x}ex的值的函数。
二、返回值
我们以这个函数为例g(z)=11+e−zg(z)=\frac{1}{1+e^{-z}}g(z)=1+e−z1，代码如下：
def sigmoid(z):
return 1 / (1 + np.exp(-z))
如果仅仅是在调用sigmoid函数的时候传入参数为纯数字，那么很好理解最后的返回值。
但是在机器学习中-，因为np.exp()的参数可以是向量，所以在传入的是一个向量时，很多初学者不理解此时的返回值是什么，一个数吗？请看如下代码：
import numpy as np
num = np.array(np.arange(10))
print(num)#输出数据
res = np.exp(num)#测试
print(res)
结果：
[0 1 2 3 4 5 6 7 8 9]
[1.00000000e+00 2.71828183e+00 7.38905610e+00 2.00855369e+01
5.45981500e+01 1.48413159e+02 4.03428793e+02 1.09663316e+03
2.98095799e+03 8.10308393e+03]
由以上结果可得，当np.exp()的参数传入的是一个向量时，其返回值是该向量内所以元素值分别进行exe^{x}ex求值后的结果，所构成的一个列表返回给调用处。
三、 未完待续。。。