sklearn normalizer

from sklearn.preprocessing import Normalizer
 
# 假设 X 是一个特征矩阵，每行代表一个样本，每列代表一个特征
X = [[1, 1], [1, -2]]
 
# 创建一个单位化转换器，默认情况下使用 l2 范数
normalizer = Normalizer(norm='l1')
 
# 单位化特征矩阵
X_normalized = normalizer.fit_transform(X)
 
# 输出单位化后的矩阵
print(X_normalized)

[[ 0.5         0.5       ]
 [ 0.33333333 -0.66666667]]

如果将上述norm设置为l2,结果为：

[[ 0.70710678  0.70710678]
 [ 0.4472136  -0.89442719]]