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?

    Chuẩn của vectơ đề cập đến độ dài hoặc độ lớn của vectơ . Có nhiều cách khác nhau để tính độ dài. Chuẩn của vectơ là một giá trị không âm.

    Định mức NumPy là gì?

    Định mức NumPy của vectơ trong python được được sử dụng để lấy định mức ma trận hoặc vectơ chúng tôi sử dụng numpy. linalg. hàm định mức []. Hàm này được sử dụng để tính toán một trong tám định mức ma trận khác nhau hoặc một trong các định mức vectơ, tùy thuộc vào giá trị của tham số thứ tự.

    Làm cách nào để tìm định mức trong NumPy?

    Để tìm chuẩn ma trận hoặc vectơ, chúng ta sử dụng hàm numpy. linalg. norm[] của thư viện Python Numpy.

    Định mức dùng để làm gì?

    norm [Các hàm MATLAB] Chuẩn của ma trận là một đại lượng vô hướng cung cấp một số thước đo độ lớn của các phần tử của ma trận . Hàm định mức tính toán một số loại định mức ma trận khác nhau. n = Norm[A] trả về giá trị số ít lớn nhất của A , max[svd[A]].

    Công thức định mức là gì?

    Định mức L1 được tính bằng tổng của các giá trị vectơ tuyệt đối, trong đó giá trị tuyệt đối của một đại lượng vô hướng sử dụng ký hiệu. a1. Trên thực tế, chuẩn là phép tính khoảng cách Manhattan từ gốc của không gian vectơ. . v. 1 =. a1. +. a2. +. a3.

    Chủ Đề