Định mức Python

Hàm numpy. linalg. Norm[] tính toán chỉ tiêu của ma trận hoặc vectơ trong Python bằng thư viện NumPyvà trả về một trong bảy định mức tùy thuộc vào các tham số được chỉ định làm đầu vào cho hàm này

1. 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[]

2. 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 dụng 

Matrix norm:
9.539392014169456

4 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

Đọc

Bàn luận

khóa học

Luyện tập

Băng hình

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:
9.539392014169456

5

Matrix norm:
9.539392014169456

6

Matrix norm:
9.539392014169456

7

 

Matrix norm:
9.539392014169456

8

Matrix norm:
9.539392014169456

9

Matrix norm:
9.539392014169456

0

Matrix norm:
9.539392014169456

0______01

Matrix norm:
9.539392014169456

2

 

Matrix norm:
9.539392014169456

3

Matrix norm:
9.539392014169456

4

Matrix norm:
9.539392014169456

0

Matrix norm:
9.539392014169456

6

 

Matrix norm:
9.539392014169456

7

Matrix norm:
9.539392014169456

8

Matrix norm:
9.539392014169456

9

Matrix norm:
9.539392014169456

2

Matrix norm:
9.539392014169456

7____112

Đầu ra.
 

Matrix norm:
9.539392014169456

2

Đoạn mã trên tính toán chuẩn vectơ của vectơ có chiều [1, 10]
Ví dụ 2.
 

Python3

Matrix norm:
9.539392014169456

5

Matrix norm:
9.539392014169456

6

Matrix norm:
9.539392014169456

7

 

Matrix norm:
9.539392014169456

16

Matrix norm:
9.539392014169456

17

Matrix norm:
9.539392014169456

0

Matrix norm:
9.539392014169456

19

Matrix norm:
9.539392014169456

60

Matrix norm:
9.539392014169456

61

Matrix norm:
9.539392014169456

62

Matrix norm:
9.539392014169456

61

Matrix norm:
9.539392014169456

64

Matrix norm:
9.539392014169456

65

Matrix norm:
9.539392014169456

66

Matrix norm:
9.539392014169456

67

Matrix norm:
9.539392014169456

68

Matrix norm:
9.539392014169456

61

Matrix norm:
9.539392014169456

50

Matrix norm:
9.539392014169456

61

Matrix norm:
9.539392014169456

52

Matrix norm:
9.539392014169456

53

 

Matrix norm:
9.539392014169456

54

Matrix norm:
9.539392014169456

55

Matrix norm:
9.539392014169456

0

Matrix norm:
9.539392014169456

57

 

Matrix norm:
9.539392014169456

7

Matrix norm:
9.539392014169456

8

Matrix norm:
9.539392014169456

60

Matrix norm:
9.539392014169456

2

Matrix norm:
9.539392014169456

7____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:
9.539392014169456

5

Matrix norm:
9.539392014169456

6

Matrix norm:
9.539392014169456

7

 

 

Matrix norm:
9.539392014169456

17

Matrix norm:
9.539392014169456

0

Matrix norm:
9.539392014169456

19

Matrix norm:
9.539392014169456

60

Matrix norm:
9.539392014169456

61

Matrix norm:
9.539392014169456

62

Matrix norm:
9.539392014169456

61

Matrix norm:
9.539392014169456

64

Matrix norm:
9.539392014169456

65

Matrix norm:
9.539392014169456

66

Matrix norm:
9.539392014169456

67

Matrix norm:
9.539392014169456

68

Matrix norm:
9.539392014169456

61

Matrix norm:
9.539392014169456

50

Matrix norm:
9.539392014169456

61

Matrix norm:
9.539392014169456

52

Matrix norm:
9.539392014169456

53

 

Matrix norm:
9.539392014169456

84

Matrix norm:
9.539392014169456

55

Matrix norm:
9.539392014169456

0

Matrix norm:
9.539392014169456

87

Matrix norm:
9.539392014169456

0

Matrix norm:
9.539392014169456

60

Matrix norm:
9.539392014169456

2

 

Matrix norm:
9.539392014169456

7

Matrix norm:
9.539392014169456

8

Matrix norm:
9.539392014169456

93

Matrix norm:
9.539392014169456

2

Matrix norm:
9.539392014169456

7____763

Đầu ra.
 

Matrix norm:
9.539392014169456

1

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:
9.539392014169456

5

Matrix norm:
9.539392014169456

6

Matrix norm:
9.539392014169456

7

 

Matrix norm:
9.539392014169456

8

Matrix norm:
9.539392014169456

9

Matrix norm:
9.539392014169456

0

Matrix norm:
9.539392014169456

0______804

Matrix norm:
9.539392014169456

2

 

Matrix norm:
9.539392014169456

06

Matrix norm:
9.539392014169456

17

Matrix norm:
9.539392014169456

0

Matrix norm:
9.539392014169456

09

Matrix norm:
9.539392014169456

64

Matrix norm:
9.539392014169456

61

Matrix norm:
9.539392014169456

64

Matrix norm:
9.539392014169456

03

 

Matrix norm:
9.539392014169456

3

Matrix norm:
9.539392014169456

4

Matrix norm:
9.539392014169456

0

Matrix norm:
9.539392014169456

6

 

Matrix norm:
9.539392014169456

7

Matrix norm:
9.539392014169456

8

Matrix norm:
9.539392014169456

9

Matrix norm:
9.539392014169456

2

Matrix norm:
9.539392014169456

7____112

 

Matrix norm:
9.539392014169456

14

Matrix norm:
9.539392014169456

55

Matrix norm:
9.539392014169456

0

Matrix norm:
9.539392014169456

57

 

Matrix norm:
9.539392014169456

7

Matrix norm:
9.539392014169456

8

Matrix norm:
9.539392014169456

60

Matrix norm:
9.539392014169456

2

Matrix norm:
9.539392014169456

7____763

Đầu ra.
 

Matrix norm:
9.539392014169456

6

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

Vui lòng Đăng nhập để nhận xét.

Định mức trong Python là gì?

Định mức NumPy là gì?

Làm cách nào để tìm định mức trong NumPy?

Định mức dùng để làm gì?

Công thức định mức là gì?