np.linalg.norm求范数函数用法以及归一化函数preprocessing.normalize()函数的使用

最新推荐文章于 2024-05-14 17:37:56 发布
最新推荐文章于 2024-05-14 17:37:56 发布
阅读量7.2k 收藏 13
点赞数 12
分类专栏： python 文章标签： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43094275/article/details/107426449
版权
本文介绍了Python中np.linalg.norm函数用于求解范数的使用，包括默认参数和不同范数类型，并探讨了归一化过程，强调了在处理样本相似性计算时的用途，同时提到了preprocessing.normalize()函数在数据预处理中的作用。
摘要由CSDN通过智能技术生成

一、定义说明

1、linalg=linear线性

     algebra代数

      norm范数

范数是对向量（或者矩阵）的度量，是一个标量（scalar）

定义：这里以Cn空间为例，Rn空间类似。

最常用的范数就是p-范数。若

，那么

 

可以验证p-范数确实满足范数的定义。其中三角不等式的证明不是平凡的，这个结论通常称为闵可夫斯基(Minkowski）不等式。

当p取1，2，∞的时候分别是以下几种最简单的情形：

1-范数：║x║1=│x1│+│x2│+…+│xn│

2-范数：║x║2=（│x1│2+│x2│2+…+│xn│2）1/2

∞-范数：║x║∞=max（│x1│，│x2│，…，│xn│
最低0.47元/天 解锁文章
Legend105CC
关注
专栏目录
ML之LiR：机器学习经典算法之线性回归算法LiR的简介、使用方法、代码实现、经典案例之详细攻略
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
01-25 9878
​ ML之LiR：机器学习经典算法之线性回归算法LiR的简介、使用方法、代码实现、经典案例之详细攻略 目录 线性回归算法LiR的简介 线性回归算法LiR的使用方法 线性回归算法LiR的经典案例 线性回归算法LiR的简介 线性回归方程是利用数理统计中的回归分析，来确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法之一。线性回归也是回归分析中第一种经过严格研究并在实际应用中广泛使用的类型。按自变量个数可分为一元线性回归分析方程和多元线性回归分析方程。
机器学习笔记 - 特殊类型的矩阵和向量
学以致用 知行合一
04-15 1797
对角矩阵，除了对角线之外全都是0。也分为方阵对角矩阵和非方阵对角矩阵。 ​ 如果矩阵是对称的，则有矩阵等于它的转置矩阵，前提是需要是方阵。 ​ 单位向量是长度等于 1 的向量。它可以用带帽子的字母表示。在很多地方也可以称之为归一化。
np.linalg.norm()
chen_znn的博客
05-14 3585
本文记录了np.linalg.norm()的原理及使用方法
用sklearn.preprocessing做数据预处理（二）——Normalization
weixin_44530236的博客
03-02 3268
Normalization（正则化，也有部分地方叫归一化，至于哪个翻译更准确这里不做讨论，暂且称作正则化）是将样本在向量空间模型上的一个转换，经常被使用在分类与聚类中 函数normalize提供了一个快速又简单的方式在一个单向量上来实现这正则化的功能。正则化有l1，l2等，这些都可以用上 from sklearn import preprocessing import numpy as np ...
numpy -- np.linalg
Harrytsz的博客
07-12 664
1、linalg=linear（线性）+algebra（代数），norm则表示范数。2、函数参数x_norm=np.linalg.norm(x, ord=None, axis=None, keepdims=False)①x: 表示矩阵（也可以是一维）②ord：范数类型向量的范数：矩阵的范数：ord=1：列和的最大值ord=2：|λE-ATA|=0，求特征值，然后求最大特征值得算术平方根ord=∞：...
Scikit-learn Preprocessing 预处理
D.W 的专栏
10-25 4万+
本文主要是对照scikit-learn的preprocessing章节结合代码简单的回顾下预处理技术的几种方法，主要包括标准化、数据最大最小缩放处理、正则化、特征二值化和数据缺失值处理。内容比较简单，仅供参考！首先来回顾一下下面要用到的基本知识。一、知识回顾均值公式：x¯=1nΣ_i=1nxi\bar{x}=\frac{1}{n}\Sigma\_{i=1}^{n}x_{i}方差公式：s2=1nΣ_i
np.linalg.norm(求范数)
热门推荐
风轻云淡
01-15 32万+
1、linalg=linear（线性）+algebra（代数），norm则表示范数。 2、函数参数 x_norm=np.linalg.norm(x, ord=None, axis=None, keepdims=False) ①x: 表示矩阵（也可以是一维） ②ord：范数类型 向量的范数： 矩阵的范数： ord=1：列和的最大值 ord=2：|λE-ATA|=0，求特征值，然...
np.linalg.norm()用法
xiaobumi123的博客
04-12 1万+
np.linalg.norm(x, ord=None, axis=None, keepdims=False) x为矩阵，ord（取值1，2，np.inf分别表示1范式，2范式，无穷范数），axis（0，1，none默认，0代表按列处理，1代表按行处理），keepdims(是否保持维数) #1范式的条件下 #ord为1，axis默认none，keedims默认false即矩阵1范式，不保留...
python利用余弦相似度聚类_使用python基于余弦相似度探索人员相关性
weixin_39743824的博客
02-10 1405
课题1毕业设计里面涉及到人员相关度的计算，在这里我提出了一个猜想，大致如下：现有数据：学生id、学生手机mac地址、时间戳、地点id构想：通过学生mac地址某地点出现频次，构建频次矩阵，比如说现有六个地点，ABCDEF，某学生出现的频次分别为1、5、2、4、7、3，则[1,5,2,4,7,3]即为该学生在矩阵中的表现形式。(总的来说就是讲每个学生的出现频次规律抽象成一个向量，该向量由n个Term组...
机器学习笔记
Master__0的博客
04-28 646
机器学习DAY01 机器学习 概述 什么是机器学习 机器学习是一门能够让编程计算机从数据中学习的计算机科学。 一个计算机程序在完成任务T之后，获得经验E，其表现效果为P，如果任务T的性能表现，也就是用以衡量的P，随着E增加而增加，那么这样计算机程序就被称为机器学习系统。 自我完善，自我增进，自我适应。 为什么需要机器学习 自动化的升级和维护 解决那些算法过于复杂甚至跟本就没有已知算法的问题 在机器学习的过程中协助人类获得对事物的洞见 机器学习的问题 建模问题 所谓机器学习，在形式上可这样理解：在数据对
np.linalg.norm（）用法
dream_to_dream的博客
04-25 2023
该方法是求范数方法： x_norm=np.linalg.norm(x, ord=None, axis=None, keepdims=False) ①x: 表示矩阵（也可以是一维） ②ord：范数类型 矩阵的范数： ord=1：列和的最大值 ord=2：|λE-ATA|=0，求特征值，然后求最大特征值得算术平方根(matlab在线版，计算ans=ATA，[x,y]=eig(ans)...
np.linalg.norm的用法
weixin_47289438的博客
11-16 2730
1.看源码，程序员成长的必经之路 def norm(x, ord=None, axis=None, keepdims=False): """ Matrix or vector norm. This function is able to return one of eight different matrix norms, or one of an infinite number of vector norms (described below), depending o
np.linalg.norm
happy_wealthy的博客
08-17 836
1、linalg=linear（线性）+algebra（代数），norm则表示范数。 2、函数参数 x_norm=np.linalg.norm(x, ord=None, axis=None, keepdims=False) ①x: 表示矩阵（也可以是一维） ②ord：范数类型 向量的范数： [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-SdJnt2Ea-1597632418751)(attachment:image.png)] 矩阵的范数： ord=1：列和的最大值 ord
【Numpy】np.linalg.norm() 的用法（求范数）
m0_51816252的博客
08-06 1万+
linalg=linear+algebra ，也就是线性代数的意思，是numpy 库中进行线性代数运算方面的函数。 使用 np.linalg 这个模块，可以计算范数、逆矩阵、求特征值、解线性方程组以及求解行列式等。 本文要讲的 np.linalg.norm() ，就是计算范数的意思，norm 则表示 范数。...
np.linalg.norm()用法总结
silent1cat的博客
10-17 8万+
前言 np.linalg.norm()用于求范数，linalg本意为linear(线性) + algebra(代数)，norm则表示范数。 用法 np.linalg.norm(x, ord=None, axis=None, keepdims=False) 1.x: 表示矩阵(一维数据也是可以的~) 2.ord: 表示范数类型 向量的范数： 矩阵的向量： ord=1：表示求列和的最大值 ord=2：|λE-ATA|=0，求特征值，然后求最大特征值得算术平方根 ord=∞：表示求行和的最大值 ord=Non
np.linalg.norm(...)求范数的函数用法
我是托蜜的博客
06-01 536
x_norm=np.linalg.norm(x, ord=None, axis=None, keepdims=False) x：为要进行计算的向量 ord：范数类型，如下： axis：处理类型 axis=1表示按行向量处理，求多个行向量的范数 axis=0表示按列向量处理，求多个列向量的范数 axis=None表示矩阵范数。 keepdims：是否保持二维矩阵的特征 T...
sklearn.preprocessing.normalize()
chen_znn的博客
05-14 1223
本文记录了sklearn.preprocessing.normalize()的用法
np.linalg.norm函数的用法
最新发布
06-26
`np.linalg.norm`是NumPy库中的一个函数，用于计算数组或向量的范数（norm），即其长度或大小。这个函数非常有用，因为它可以处理不同类型的范数，包括： 1. **L1范数**（`ord=1`）：绝对值之和，也称为曼哈顿距离。 2. **L2范数**（默认，`ord=2`）：欧几里得距离，是最常用的范数，对应于标准正态分布的平方和。 3. **LInf范数**（`ord=np.inf`）：最大绝对值，也称为无穷范数。 用法如下： ```python import numpy as np # 对向量v计算范数 v = np.array([1, 2, 3]) norm_v = np.linalg.norm(v) # 对矩阵A的每个列计算范数 A = np.random.rand(3, 4) col_norms = np.linalg.norm(A, axis=0) # 可以指定ord参数来选择不同的范数 euclidean_norm = np.linalg.norm(A, ord=2) manhattan_norm = np.linalg.norm(A, ord=1) infinity_norm = np.linalg.norm(A, ord=np.inf) ``` 相关问题： 1. `np.linalg.norm`函数返回的是向量的哪个类型的长度？ 2. 如何通过`np.linalg.norm`计算矩阵中每一列的L2范数？ 3. `ord`参数在`np.linalg.norm`中有什么作用？
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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