NumPy 归一化矩阵

本教程将讨论在 Python 中规范化矩阵的方法。

使用 Python 中的 numpy.linalg.norm() 方法对矩阵进行归一化

numpy.linalg 库包含与 Python 中的线性代数相关的方法。numpy.linalg 中的 norm() 方法 计算矩阵的范数。然后我们可以使用这些范数值来对矩阵进行归一化。以下代码示例向我们展示了如何使用 numpy.linalg 库中的 norm() 方法对矩阵进行归一化。

import numpy as np

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

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

输出：

[[0.4472136  0.4       ]
 [1.34164079 0.8       ]]

我们首先使用 np.array() 方法以二维数组的形式创建了我们的矩阵。然后我们计算范数并将结果存储在 norms 数组中，并使用 norms = np.linalg.norm(matrix)。最后，我们通过将 matrix 除以 norms 来规范化 matrix 并打印结果。

norm() 方法在第一个和第二个上执行相当于 np.sqrt(1**2 + 2**2) 和 np.sqrt(3**2 + 4**2) 的操作我们矩阵的行，分别。然后它为我们的 norms 数组分配两个值，它们是 [2.23606798 5.0]。然后通过将 matrix 的每一行除以 norms 的每个元素对矩阵进行归一化。