chuẩn Euclide. Đây còn được gọi là 2 chuẩn vì nó bằng căn bậc hai của tổng bình phương, nghĩa là √[x*x + y*y + z*z]. Nó có thể được tính bằng numpy. linalg. euc[]
- Định mức Manhattan. Đây còn được gọi là 1-chuẩn và bằng tổng [hoặc tích phân] trên các phần tử khác 0 nhân với các phần tử tương ứng của vectơ hoặc ma trận. Nó có thể được tính bằng numpy. linalg. manh[]
Numpy Lưới Lưới. cục mịch. Hàm meshgrid[] trong Python
np. hstack. Hàm Python Numpy Hstack[]
cục mịch. ngẫu nhiên. randn[]. Tạo mảng ngẫu nhiên
Mục lục
- các np. linalg. Hàm định mức [] trong NumPy
- cú pháp
- Thông số
- trả lại
- Vector Định mức Ví dụ
- đầu ra
- Ví dụ tiêu chuẩn ma trận
- đầu ra
- Định mức ma trận dọc theo trục cụ thể
- Véc tơ/Ma trận định mức
- đầu ra
- Phần kết luận
các np. linalg. Hàm định mức [] trong NumPy
các np. linalg. Norm[] hàm trong NumPy tính toán một trong tám định mức ma trận hoặc định mức vectơ khác nhau và có thể được sử dụng với ma trận, vectơ và mảng chung. Đây là một công cụ hữu ích khi bạn cần tính toán khoảng cách giữa các phần tử trong tập dữ liệu của mình
Bạn cũng có thể sử dụngMatrix norm: 9.5393920141694564 để tính khoảng cách Euclide theo cặp giữa hai tập hợp điểm. Vấn đề này liên quan nhiều hơn một chút và tôi có một bài đăng riêng về cách tính khoảng cách theo cặp
Tìm ma trận hoặc định mức vectơ bằng NumPy
Cải thiện bài viết
Lưu bài viết
Thích bài viết
- Cập nhật lần cuối. 06 tháng 6 năm 2021
Cải thiện bài viết
Lưu bài viết
Để tìm chuẩn ma trận hoặc vectơ, chúng ta sử dụng hàm numpy. linalg. định mức [] của thư viện Python Numpy. Hàm này trả về một trong bảy định mức ma trận hoặc một trong các định mức vectơ vô hạn tùy thuộc vào giá trị của các tham số của nó.
Cú pháp. cục mịch. linalg. Norm[x, ord=None, axis=None]
Tham số.
x. đầu vào
ord. thứ tự của trục chuẩn
. Không, trả về một vectơ hoặc một chuẩn ma trận và nếu đó là một giá trị nguyên, nó chỉ định trục của x dọc theo đó chuẩn vectơ sẽ được tính
Ví dụ 1.
Python3
Matrix norm: 9.5393920141694565
Matrix norm: 9.5393920141694566
Matrix norm: 9.5393920141694567
Matrix norm: 9.5393920141694568
Matrix norm: 9.5393920141694569
Matrix norm: 9.5393920141694560
Matrix norm: 9.5393920141694560______01
Matrix norm: 9.5393920141694562
Matrix norm: 9.5393920141694563
Matrix norm: 9.5393920141694564
Matrix norm: 9.5393920141694560
Matrix norm: 9.5393920141694566
Matrix norm: 9.5393920141694567
Matrix norm: 9.5393920141694568
Matrix norm: 9.5393920141694569
Matrix norm: 9.5393920141694562
Matrix norm: 9.5393920141694567____112
Đầu ra.
Matrix norm: 9.5393920141694562
Đoạn mã trên tính toán chuẩn vectơ của vectơ có chiều [1, 10]
Ví dụ 2.
Python3
Matrix norm: 9.5393920141694565
Matrix norm: 9.5393920141694566
Matrix norm: 9.5393920141694567
Matrix norm: 9.53939201416945616
Matrix norm: 9.53939201416945617
Matrix norm: 9.5393920141694560
Matrix norm: 9.53939201416945619
Matrix norm: 9.53939201416945660
Matrix norm: 9.53939201416945661
Matrix norm: 9.53939201416945662
Matrix norm: 9.53939201416945661
Matrix norm: 9.53939201416945664
Matrix norm: 9.53939201416945665
Matrix norm: 9.53939201416945666
Matrix norm: 9.53939201416945667
Matrix norm: 9.53939201416945668
Matrix norm: 9.53939201416945661
Matrix norm: 9.53939201416945650
Matrix norm: 9.53939201416945661
Matrix norm: 9.53939201416945652
Matrix norm: 9.53939201416945653
Matrix norm: 9.53939201416945654
Matrix norm: 9.53939201416945655
Matrix norm: 9.5393920141694560
Matrix norm: 9.53939201416945657
Matrix norm: 9.5393920141694567
Matrix norm: 9.5393920141694568
Matrix norm: 9.53939201416945660
Matrix norm: 9.5393920141694562
Matrix norm: 9.5393920141694567____763
Đầu ra.
Matrix norm: 9.539392014169456
Ở đây, chúng ta lấy chuẩn ma trận cho ma trận có số chiều [2, 3]
Ví dụ 3.
Để tính định mức ma trận dọc theo một trục cụ thể –
Python3
Matrix norm: 9.5393920141694565
Matrix norm: 9.5393920141694566
Matrix norm: 9.5393920141694567
Matrix norm: 9.53939201416945617
Matrix norm: 9.5393920141694560
Matrix norm: 9.53939201416945619
Matrix norm: 9.53939201416945660
Matrix norm: 9.53939201416945661
Matrix norm: 9.53939201416945662
Matrix norm: 9.53939201416945661
Matrix norm: 9.53939201416945664
Matrix norm: 9.53939201416945665
Matrix norm: 9.53939201416945666
Matrix norm: 9.53939201416945667
Matrix norm: 9.53939201416945668
Matrix norm: 9.53939201416945661
Matrix norm: 9.53939201416945650
Matrix norm: 9.53939201416945661
Matrix norm: 9.53939201416945652
Matrix norm: 9.53939201416945653
Matrix norm: 9.53939201416945684
Matrix norm: 9.53939201416945655
Matrix norm: 9.5393920141694560
Matrix norm: 9.53939201416945687
Matrix norm: 9.5393920141694560
Matrix norm: 9.53939201416945660
Matrix norm: 9.5393920141694562
Matrix norm: 9.5393920141694567
Matrix norm: 9.5393920141694568
Matrix norm: 9.53939201416945693
Matrix norm: 9.5393920141694562
Matrix norm: 9.5393920141694567____763
Đầu ra.
Matrix norm: 9.5393920141694561
Mã này tạo ra một ma trận định mức và đầu ra cũng là một ma trận dạng [1, 2]
Ví dụ 4.
Python3
Matrix norm: 9.5393920141694565
Matrix norm: 9.5393920141694566
Matrix norm: 9.5393920141694567
Matrix norm: 9.5393920141694568
Matrix norm: 9.5393920141694569
Matrix norm: 9.5393920141694560
Matrix norm: 9.5393920141694560______804
Matrix norm: 9.5393920141694562
Matrix norm: 9.53939201416945606
Matrix norm: 9.53939201416945617
Matrix norm: 9.5393920141694560
Matrix norm: 9.53939201416945609
Matrix norm: 9.53939201416945664
Matrix norm: 9.53939201416945661
Matrix norm: 9.53939201416945664
Matrix norm: 9.53939201416945603
Matrix norm: 9.5393920141694563
Matrix norm: 9.5393920141694564
Matrix norm: 9.5393920141694560
Matrix norm: 9.5393920141694566
Matrix norm: 9.5393920141694567
Matrix norm: 9.5393920141694568
Matrix norm: 9.5393920141694569
Matrix norm: 9.5393920141694562
Matrix norm: 9.5393920141694567____112
Matrix norm: 9.53939201416945614
Matrix norm: 9.53939201416945655
Matrix norm: 9.5393920141694560
Matrix norm: 9.53939201416945657
Matrix norm: 9.5393920141694567
Matrix norm: 9.5393920141694568
Matrix norm: 9.53939201416945660
Matrix norm: 9.5393920141694562
Matrix norm: 9.5393920141694567____763
Đầu ra.
Matrix norm: 9.5393920141694566
Từ kết quả trên, rõ ràng nếu chúng ta chuyển đổi một vectơ thành ma trận hoặc nếu cả hai có cùng phần tử thì chuẩn của chúng cũng sẽ bằng nhau.
Ghi chú cá nhân của tôi arrow_drop_up
Tiết kiệm