4.3.3范数规范化

范数基本概念这里不予赘述，L0，L1，L2和无穷范数

范数规范化代码如下

from sklearn import preprocessing
import numpy as np

# 原始数据X
X = np.array([[3, -2., 2.], [2., 0., 0.], [-1, 1., 3.]])  # 按行表示，按列计算
# 范数规范化的函数化实现，其中规范化系数norm为L2,还有其他形式，诸如L1,max
X_norm=preprocessing.normalize(X,norm='l2')
print(u"范数L2规范化变换后的输出：\n")
print(X_norm)

# 范数规范化的类实现，其中规范化系数norm为L1
normalizer=preprocessing.Normalizer(norm='l1').fit(X)
print(u"范数L1规范化变换之后的输出：\n")
print(normalizer.transform(X))

输出结果：

[[ 0.72760688 -0.48507125  0.48507125]
 [ 1.          0.          0.        ]
 [-0.30151134  0.30151134  0.90453403]]
范数L1规范化变换之后的输出：

[[ 0.42857143 -0.28571429  0.28571429]
 [ 1.          0.          0.        ]
 [-0.2         0.2         0.6       ]]