线性代数-程序员的线性代数-向量的长度与单位向量（3.1-3.2）

背景

划重点

3.1 向量的长度和单位向量

• 向量的长度（向量的模，又名欧拉距离，又名二范数，也就是2次方范数。。。）
  
  
• 单位向量表示方向，长度是1
  
• 求单位向量的过程，叫做规范化（或者是归一化，英文normalize）

3.2 代码实战归一化（normalize）

import math


class Vector:
    def __init__(self, lst):
        self._values = list(lst)

    def __repr__(self):
        return "Vector({})".format(self._values)

    def __str__(self):
        return "({})".format(', '.join(str(item) for item in self._values))

    def __len__(self):
        '''长度'''
        return len(self._values)

    def __getitem__(self, index):
        '''获取索引元素'''
        return self._values[index]

    def __add__(self, other):
        assert len(self) == len(other), '长度需要想等'
        return Vector([a + b for a, b in zip(self, other)])

    def __iter__(self):
        '''增加迭代器'''
        return self._values.__iter__()

    def __sub__(self, other):
        assert len(self) == len(other), '长度需要相等'
        return Vector([a - b for a, b in zip(self, other)])

    def __mul__(self, other):
        return Vector([other * e for e in self])

    def __rmul__(self, other):
        return self * other

    def __pos__(self):
        return 1 * self

    def __neg__(self):
        return -1 * self

    def __truediv__(self, other):
        '''self / other'''
        return 1 / other * self

    @classmethod
    def zero(cls, dim):
        return cls([0] * dim)

    def norm(self):
        return math.sqrt(sum(e ** 2 for e in self))

    def normalize(self):
        if self.norm() < 1e-8:
            raise ZeroDivisionError("分母不能为0")
        return Vector(self._values) / self.norm()


if __name__ == '__main__':
    print(Vector([5, 2]).norm())
    print(Vector([5, 2]).normalize())
    print(Vector([5, 2]).normalize().norm())
    print(Vector.zero(2).normalize())

• 单位向量的模是1
• 0向量不能被归一化

评价

单位向量的概念在机器学习中很重要，例如tfidf，最终倾向于用normalize的值，准确率会明显提升。