[PYTHON] NumPy에서 배열을 정규화하는 방법?

NumPy에서 배열을 정규화하는 방법?

하나의 NumPy 배열의 규범을 갖고 싶습니다. 더 구체적으로, 나는이 함수의 동등한 버전을 찾고있다.

def normalize(v):
    norm = np.linalg.norm(v)
    if norm == 0: 
       return v
    return v / norm

스 캐인이나 numpy에 그런 것이 있습니까?

이 함수는 v가 0 벡터 인 상황에서 작동합니다.

해결법

1. ==============================

   1.scikit-learn을 사용한다면 sklearn.preprocessing.normalize를 사용할 수 있습니다 :

   scikit-learn을 사용한다면 sklearn.preprocessing.normalize를 사용할 수 있습니다 :

   import numpy as np
   from sklearn.preprocessing import normalize
   
   x = np.random.rand(1000)*10
   norm1 = x / np.linalg.norm(x)
   norm2 = normalize(x[:,np.newaxis], axis=0).ravel()
   print np.all(norm1 == norm2)
   # True
   

2. ==============================

   2.그러한 기능이 포함 된 배터리의 일부라면 좋았다고 나는 동의 할 것이다. 그러나 내가 아는 한 그것은 아닙니다. 여기에는 임의의 축에 대한 버전이 있으며 최적의 성능을 제공합니다.

   그러한 기능이 포함 된 배터리의 일부라면 좋았다고 나는 동의 할 것이다. 그러나 내가 아는 한 그것은 아닙니다. 여기에는 임의의 축에 대한 버전이 있으며 최적의 성능을 제공합니다.

   import numpy as np
   
   def normalized(a, axis=-1, order=2):
       l2 = np.atleast_1d(np.linalg.norm(a, order, axis))
       l2[l2==0] = 1
       return a / np.expand_dims(l2, axis)
   
   A = np.random.randn(3,3,3)
   print(normalized(A,0))
   print(normalized(A,1))
   print(normalized(A,2))
   
   print(normalized(np.arange(3)[:,None]))
   print(normalized(np.arange(3)))
   

3. ==============================

   3.ord를 지정하여 L1 표준을 가져올 수 있습니다. 제로 분할을 피하기 위해 나는 eps를 사용하지만 위대한 것은 아닐 수도 있습니다.

   ord를 지정하여 L1 표준을 가져올 수 있습니다. 제로 분할을 피하기 위해 나는 eps를 사용하지만 위대한 것은 아닐 수도 있습니다.

   def normalize(v):
       norm=np.linalg.norm(v, ord=1)
       if norm==0:
           norm=np.finfo(v.dtype).eps
       return v/norm
   

4. ==============================

   4.이것은 또한 당신을 위해 일할 수도 있습니다.

   이것은 또한 당신을 위해 일할 수도 있습니다.

   import numpy as np
   normalized_v = v / np.sqrt((np.sum(v**2)))
   

   v가 길이 0 일 때 실패합니다.

5. ==============================

   5.다차원 데이터가 있고 각 축을 자체로 정규화하려면 다음을 수행하십시오.

   다차원 데이터가 있고 각 축을 자체로 정규화하려면 다음을 수행하십시오.

   def normalize(d):
       # d is a (n x dimension) np array
       d -= np.min(d, axis=0)
       d /= np.ptp(d, axis=0)
       return d
   

   피크 투 피크 기능을 사용합니다.

6. ==============================

   6.Christoph Gohlke가 대중적인 변환 모듈에서 벡터를 정규화하는 함수 unit_vector ()도 있습니다 :

   Christoph Gohlke가 대중적인 변환 모듈에서 벡터를 정규화하는 함수 unit_vector ()도 있습니다 :

   import transformations as trafo
   import numpy as np
   
   data = np.array([[1.0, 1.0, 0.0],
                    [1.0, 1.0, 1.0],
                    [1.0, 2.0, 3.0]])
   
   print(trafo.unit_vector(data, axis=1))
   

7. ==============================

   7.3D 텐서에 저장된 n 차원 특징 벡터를 정규화하려면 PyTorch를 사용할 수도 있습니다.

   3D 텐서에 저장된 n 차원 특징 벡터를 정규화하려면 PyTorch를 사용할 수도 있습니다.

   import numpy as np
   from torch import FloatTensor
   from torch.nn.functional import normalize
   
   vecs = np.random.rand(3, 16, 16, 16)
   norm_vecs = normalize(FloatTensor(vecs), dim=0, eps=1e-16).numpy()
   

from https://stackoverflow.com/questions/21030391/how-to-normalize-an-array-in-numpy by cc-by-sa and MIT license