[英]Can numpy.linalg.norm replace sklearn.preprocessing.normalize(X, norm='l1',) for L1-norm of matrix?
I used sklearn.preprocessing.normalize
before but I wonder there are other ways by Numpy (or something else) for L1-norm of matrix? 我以前使用过
sklearn.preprocessing.normalize
,但我想知道Numpy是否有其他方法(或其他方法)用于矩阵的L1范数? Can we use numpy.linalg.norm(x, ord=None, axis=None, keepdims=False)
instead of sklearn
one? 我们可以使用
numpy.linalg.norm(x, ord=None, axis=None, keepdims=False)
代替sklearn
one吗?
According to the document , linalg.norm params seem not possible for matrix nor L1 根据文档 ,对于矩阵或L1来说,linalg.norm参数似乎是不可能的
x : array_like Input array. If axis is None, x must be 1-D or 2-D.
ord : {non-zero int, inf, -inf, ‘fro’, ‘nuc’}, optional
Yes. 是。
numpy.linalg.norm
is for Matrix or vector norm. numpy.linalg.norm
适用于Matrix或矢量范数。
It depends on which kind of L1 matrix norm you want. 这取决于您想要哪种L1矩阵范数。 You can specify it with argument
ord
. 您可以使用参数
ord
指定它。 ( Doc ) ( 文件 )
numpy.linalg.norm(x, ord=None, axis=None, keepdims=False)
ord=inf
ord=inf
ord=0
ord=0
ord=nuc
ord=nuc
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.