NumPy 歸一化矩陣

本教程將討論在 Python 中規範化矩陣的方法。

使用 Python 中的 numpy.linalg.norm() 方法對矩陣進行歸一化

numpy.linalg 庫包含與 Python 中的線性代數相關的方法。numpy.linalg 中的 norm() 方法 計算矩陣的範數。然後我們可以使用這些範數值來對矩陣進行歸一化。以下程式碼示例向我們展示瞭如何使用 numpy.linalg 庫中的 norm() 方法對矩陣進行歸一化。

import numpy as np

matrix = np.array([[1, 2], [3, 4]])

norms = np.linalg.norm(matrix, axis=1)
print(matrix / norms)

輸出：

[[0.4472136  0.4       ]
 [1.34164079 0.8       ]]

我們首先使用 np.array() 方法以二維陣列的形式建立了我們的矩陣。然後我們計算範數並將結果儲存在 norms 陣列中，並使用 norms = np.linalg.norm(matrix)。最後，我們通過將 matrix 除以 norms 來規範化 matrix 並列印結果。

norm() 方法在第一個和第二個上執行相當於 np.sqrt(1**2 + 2**2) 和 np.sqrt(3**2 + 4**2) 的操作我們矩陣的行，分別。然後它為我們的 norms 陣列分配兩個值，它們是 [2.23606798 5.0]。然後通過將 matrix 的每一行除以 norms 的每個元素對矩陣進行歸一化。