【再回首Python之美】【numpy.linalg】计算矩阵/向量的三种范数：numpy.linalg.norm()

最新推荐文章于 2024-08-08 05:07:54 发布

CV_ML_DP

最新推荐文章于 2024-08-08 05:07:54 发布

阅读量8.3k

点赞数 6

分类专栏：人工智能机器学习跟我一起学机器学习 Machine Learning

本文链接：https://blog.csdn.net/u012421852/article/details/80433463

版权

本文介绍了Python中numpy.linalg.norm方法，用于计算矩阵和向量的范数。通过该方法，可以方便地求得矩阵的三种范数和向量的三种范数，进而应用到如欧氏距离的计算中。内容包括方法简介、范数类型以及实际应用示例。

摘要由CSDN通过智能技术生成

1.numpy.linalg.norm方法简介

numpy.linalg.norm(x, ord=None, axis=None, keepdims=False)[source]

The following norms can be calculated:

ord	norm for matrices	norm for vectors
None	Frobenius norm	2-norm
‘fro’	Frobenius norm	–
‘nuc’	nuclear norm	–
inf	max(sum(abs(x), axis=1))	max(abs(x))
-inf	min(sum(abs(x), axis=1))	min(abs(x))
0	–	sum(x != 0)
1	max(sum(abs(x), axis=0))	as below
-1	min(sum(abs(x), axis=0))	as below
2	2-norm (largest sing. value)	as below
-2	smallest singular value	as below
other	–	sum(abs(x)**ord)**(1./ord)

使用np.linalg.norm很实用，比如用2-norm可以很容易求得欧式距离等

2.求矩阵的三种范数

# -*- coding: utf-8 -*-
"""
@author: 蔚蓝的天空Tom
Talk is cheap, show me the code
Aim:用numpy.linalg.norm方法求矩阵的三种范数
Note numpy.linalog.norm ---> return Norm of the matrix or vector(s)
"""

import numpy as np
from numpy import linalg as LA

def norm_matrix():
    '''求向量的三种范数
    '''
    A = np.array([[3,  -4],