python 中自己写方法 计算向量长度 / 实现向量归一化

 # coding=utf-8
import math
class Vector(object):
    """docstring for Vector"""
    """根据坐标轴列表输入 创建向量, 并创建该向量所处的空间维度"""
    def __init__(self, coordinates):
        super(Vector, self).__init__()
        try:
            if not coordinates:
                raise ValueError
            self.coordinates = tuple(coordinates)
            self.dimension = len(coordinates)    
        except ValueError:
            raise ValueError('The coordinates must be nonempty')
        except TypeError:
            raise TypeError('The coordinates must be an iterable')

    # '''能够使python的内置print函数 输出向量坐标轴'''

    def __str__(self):
        return 'Vector: {}'.format(self.coordinates)

    def __eq__(self, v):
         return self.coordinates == v.coordinates
    
    # 计算向量长度
    def calc
  • 0
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python,可以使用不同的方法向量进行归一化。引用\[1\]的代码展示了一种方法,即通过计算向量长度归一化。首先,可以使用magnitude()函数计算向量长度,然后使用normalized()函数将向量归一化。在normalized()函数,首先计算向量长度,然后将每个坐标除以向量长度,以实现归一化。如果向量长度为零,则会引发ZeroDivisionError异常。 另一种方法是使用scikit-learn库的preprocessing模块。引用\[2\]的代码展示了如何使用preprocessing.scale()函数对向量进行归一化。该函数将每个特征的值减去其均值,然后除以其标准差,以实现归一化。 还可以使用preprocessing.Normalizer类来对向量进行归一化。引用\[3\]的代码展示了如何使用Normalizer类。首先使用fit()函数对向量进行拟合,然后使用transform()函数对向量进行归一化。 总结起来,Python有多种方法可以对向量进行归一化,包括计算向量长度并除以长度、使用preprocessing.scale()函数和使用preprocessing.Normalizer类。具体使用哪种方法取决于具体的需求和使用场景。 #### 引用[.reference_title] - *1* [python 自己方法 计算向量长度 / 实现向量归一化](https://blog.csdn.net/chuan403082010/article/details/79317909)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* *3* [python 归一化方法](https://blog.csdn.net/cuisidong1997/article/details/120870591)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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