正如fuglede所说，这里的问题是np.float64不能处理像exp(1234.1)那么大的数，请尝试使用np.float128：

>>> cc = np.array([[0.120,0.34,-1234.1]], dtype=np.float128)
>>> cc
array([[ 0.12,  0.34, -1234.1]], dtype=float128)
>>> 1 / (1 + np.exp(-cc))
array([[ 0.52996405,  0.58419052,  1.0893812e-536]], dtype=float128)

但是请注意，使用扩展精度有一些怪癖，它可能在Windows上不起作用;你并没有得到128位的精度并且当数字经过纯Python时，您可能会丢失精度。您可以在这里阅读更多有关细节的信息。
对于大多数实际应用，你可以将1 / (1 + <a large number>)近似为零，也就是说，忽略警告，继续下一步，Numpy会为你处理近似值（当使用np.float64时）：

>>> 1 / (1 + np.exp(-cc))
/usr/local/bin/ipython3:1: RuntimeWarning: overflow encountered in exp
  #!/usr/local/bin/python3.4
array([[ 0.52996405,  0.58419052,  0.        ]])

如果您想隐藏警告，可以使用scipy.special.expit，如WarrenWeckesser在问题的注解中所建议的：

>>> from scipy.special import expit
>>> expit(cc)
array([[ 0.52996405,  0.58419052,  0.        ]])

numpy浮点数可表示的最大值是1.7976931348623157e+308，其对数约为709.782，因此无法表示np.exp(1234.1)。

In [1]: import numpy as np

In [2]: np.finfo('d').max
Out[2]: 1.7976931348623157e+308

In [3]: np.log(_)
Out[3]: 709.78271289338397

In [4]: np.exp(709)
Out[4]: 8.2184074615549724e+307

In [5]: np.exp(710)
/usr/local/bin/ipython:1: RuntimeWarning: overflow encountered in exp
  #!/usr/local/bin/python3.5
Out[5]: inf

一个可能的解决方案是使用decimal模块，它允许您使用任意精度的浮点数。下面是一个使用numpy浮点数数组（精度为100位）的示例：

import numpy as np
import decimal

# Precision to use
decimal.getcontext().prec = 100

# Original array
cc = np.array(
    [0.120,0.34,-1234.1]
)
# Fails
print(1/(1 + np.exp(-cc)))    

# New array with the specified precision
ccd = np.asarray([decimal.Decimal(el) for el in cc], dtype=object)
# Works!
print(1/(1 + np.exp(-ccd)))

exp（-1234.1）对于32位或64位浮点数太小。由于无法表示，numpy将生成正确的警告。
使用IEEE 754 32bit floating-point数，它可以表示的最小正数是2^(-149)，大约是1 e-45。
如果你使用IEEE 754 64 bit floating-point数，最小的正数是2^(-1074)，大约是1 e-327。
在这两种情况下，它都不能表示像exp（-1234.1）这样小的数，exp（-1234.1）大约为1 e-535。
你应该使用scipy中的expit函数来计算sigmoid函数，这样可以提高精度。
实际上，exp（-1234.1）是一个非常小的数字。如果在您的用例中舍入到零是有意义的，numpy通过将其舍入到零产生良性结果。

如果不关心精度，可以使用numpy.clip。
在float64中：

cc = np.clip(cc, -709.78, 709.78)

在float32中：

cc = np.clip(cc, -88.72, 88.72)