np.linalg.norm 求范数

最新推荐文章于 2024-05-14 17:37:56 发布
最新推荐文章于 2024-05-14 17:37:56 发布
阅读量683 收藏 1
点赞数
分类专栏： Numpy 文章标签： numpy linalg
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Ahead_J/article/details/84753761
版权
这篇博客介绍了如何使用numpy的linalg.norm函数来计算范数。内容包括linalg模块的含义，函数参数详解，如ord参数的不同范数类型（1范数，2范数，无穷范数），axis参数指定计算行范数或列范数，以及keepdims参数是否保留原始维度。示例代码展示了1D向量和2D矩阵中不同范数的计算方法。
摘要由CSDN通过智能技术生成

linalg的解释

linalg=linear（线性）+algebra（代数），norm则表示范数。

 

函数的参数

1. numpy.linalg.norm(x, ord=None, axis=None, keepdims=False)

x: 输入的array-like

ord: 范数类型

axis: 默认是None

keepdims: 返回值是否保持原先的维度

2. 当x是1D的向量时

 默认是求2范数，示例代码如下:

>>> a = np.array([3,4])
>>> a
array([3, 4])
>>> np.linalg.norm(a)
5.0
>>> np.linalg.norm(a, ord=1)
7.0
>>> np.linalg.norm(a, ord=np.inf)
4.0

3. 当x是2D的矩阵时

ord

最低0.47元/天 解锁文章
zhhu
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
np.linalg.norm
happy_wealthy的博客
08-17 828
1、linalg=linear（线性）+algebra（代数），norm则表示范数。 2、函数参数 x_norm=np.linalg.norm(x, ord=None, axis=None, keepdims=False) ①x: 表示矩阵（也可以是一维） ②ord：范数类型 向量的范数： [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-SdJnt2Ea-1597632418751)(attachment:image.png)] 矩阵的范数： ord=1：列和的最大值 ord
numpy -- np.linalg
Harrytsz的博客
07-12 661
1、linalg=linear（线性）+algebra（代数），norm则表示范数。2、函数参数x_norm=np.linalg.norm(x, ord=None, axis=None, keepdims=False)①x: 表示矩阵（也可以是一维）②ord：范数类型向量的范数：矩阵的范数：ord=1：列和的最大值ord=2：|λE-ATA|=0，求特征值，然后求最大特征值得算术平方根ord=∞：...
np.linalg.norm(求范数)
热门推荐
风轻云淡
01-15 32万+
1、linalg=linear（线性）+algebra（代数），norm则表示范数。 2、函数参数 x_norm=np.linalg.norm(x, ord=None, axis=None, keepdims=False) ①x: 表示矩阵（也可以是一维） ②ord：范数类型 向量的范数： 矩阵的范数： ord=1：列和的最大值 ord=2：|λE-ATA|=0，求特征值，然...
np.linalg.norm()
最新发布
chen_znn的博客
05-14 3286
本文记录了np.linalg.norm()的原理及使用方法
np.linalg.norm求范数函数用法以及归一化函数preprocessing.normalize()函数的使用
Legend105CC
07-18 7257
1、linalg=linear（线性）+algebra（代数），norm则表示范数。 2、函数参数 x_norm=np.linalg.norm(x, ord=None, axis=None, keepdims=False) （1）x: 表示矩阵（也可以是一维） （2）ord：范数类型 （3）axis：行向量处理或列向量处理 矩阵的范数： ord=1：列和的最大值 ord=2：|λE-ATA|=0，求特征值，然后求最大特征值得算术平方根(matlab在线版，计算ans=ATA，[x,y]=.
numpy基础教程之np.linalg
09-19
norm_inf = np.linalg.norm(x, ord=np.inf) # 无穷范数 print("Vector x:", x) print("2-Norm:", norm_2) print("1-Norm:", norm_1) print("Infinity Norm:", norm_inf) ``` **注意事项**： - 不同类型的范数有...
np.linalg.norm()函数
weixin_43868107的博客
10-20 4517
在jupyter notebook 中同时输入多行 from IPython.core.interactiveshell import InteractiveShell InteractiveShell.ast_node_interactivity = 'all' np.linalg.norm(x, ord=None, axis=None, keepdims=False) 矩阵或向量范数。此函数...
小议np.linalg.norm
大脸猫的博客
11-21 366
1、linalg=linear（线性）+algebra（代数），norm则表示范数。 2、函数参数 x_norm=np.linalg.norm(x, ord=None, axis=None, keepdims=False) ①x: 表示矩阵（也可以是一维） ②ord：范数类型 向量的范数： 矩阵的范数： ord=1：列和的最大值 ord=2：|λE-ATA|=0，求特征值，然后求最大特征值得算术平方根(matlab在线版，计算ans=ATA，[x,y]=eig(ans)，sqrt(y)
python np.linalg.norm()函数
帅kakaci的博客
05-07 1170
python np.linalg.norm()函数
np.linalg.norm简介
m0_57236802的博客
01-13 1467
总之，np.linalg.norm是一个非常有用的函数，可以用来计算向量或矩阵的不同范数，在线性代数和机器学习等领域都有广泛应用。numpy.linalg.norm 是 numpy 中线性代数库的一部分，它可以计算矩阵或向量的范数。在上面的例子中，我们使用np.linalg.norm计算了向量vec的2范数，1范数和无穷范数。
np.linalg.norm()(numpy求范数)
java_pythons的博客
08-29 463
1、linalg=linear（线性）+algebra（代数），norm则表示范数。 2、函数参数 x_norm=np.linalg.norm(x, ord=None, axis=None, keepdims=False) ①x: 表示矩阵（也可以是一维） ②ord：范数类型 向量的范数： 矩阵的范数： ord=1：列和的最大值 ord=2：|λE-ATA|=0，求特征值，然后求最大特征值得算术平方根(matlab在线版，计算ans=ATA，[x,y]=eig(ans)，sqrt(y)，x是特征向量，y
python数值计算库Numpy学习之—np.linalg.norm(求范数)
Together_CZ的博客
11-25 6380
    Numpy在python中是非常著名的一个数值计算类型的库，在线性代数里面的矩阵求和、求逆、求距离、求范数等等，都有很友好的支持，今天正好再一次用到了它的范数求解操作，就专门找一点时间总结了一下，备忘，下面是具体的实现，参数解释以及代码注释都已经比较详细了就不多再解释了： #!usr/bin/env python #encoding:utf-8 ''' __Author__:沂水寒...
numpy 基础 —— np.linalg
03-29 6万+
顾名思义，linalg=linear+algebra，norm则表示范数，首先需要注意的是范数是对向量（或者矩阵）的度量，是一个标量（scalar）：
np.linalg.norm详解（求范数）
weixin_38410551的博客
06-26 2742
参考链接： https://blog.csdn.net/zouxiaolv/article/details/80918503
np.linalg.norm范数的作用
07-29
np.linalg.norm函数是NumPy库中用于计算向量或矩阵范数的函数。范数是一个将向量或矩阵映射到非负值的函数，可以用来度量向量或矩阵的大小或长度。 在机器学习和数值计算中，范数常用于正则化、优化问题和特征选择等任务中。具体来说，np.linalg.norm函数可以计算以下几种常见的范数： 1. L1范数：也称为曼哈顿范数（Manhattan Norm），计算向量中所有元素的绝对值之和，或矩阵中所有元素的绝对值之和。可以表示为np.linalg.norm(x, ord=1)。 2. L2范数：也称为欧几里得范数（Euclidean Norm），计算向量各个元素的平方和的平方根，或矩阵的奇异值之和的平方根。可以表示为np.linalg.norm(x, ord=2)。 3. 无穷范数：也称为最大范数（Max Norm），计算向量中所有元素的绝对值的最大值，或矩阵中所有行向量的L1范数的最大值。可以表示为np.linalg.norm(x, ord=np.inf)。 除了上述常见的范数外，np.linalg.norm函数还可以计算其他类型的范数，如Frobenius范数用于计算矩阵的元素平方和的平方根。 通过计算范数，我们可以判断向量或矩阵的大小、稀疏程度和相似性等信息，进而在不同的应用中得到相关的结论或进行相应的处理。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值