归一化矩阵 l2 范数
Normalize matrix l2 norm
将矩阵A归一化得到矩阵B,其中B的每个列向量都有单位L2范数。
我不知道这是什么意思。我这样做吗?
对 col 和 sqrt 求和。
[1 0
1 1] --> [1.4 1]
或
使每列的 l2-范数为 1。
[1 0
1 1]
--v
[0.7 0
0.7 1]
意思是你应该用对应的归一化的versor替换每个列向量。
例如(Python)
m = [[1, 0],
[1, 1]]
rows, cols = len(m), len(m[0])
for col in range(cols):
length = sum(m[row][col]**2 for row in range(rows)) ** 0.5
for row in range(rows):
m[row][col] /= length
将 m
更改为
[[0.7071067811865475, 0.0],
[0.7071067811865475, 1.0]]
将矩阵A归一化得到矩阵B,其中B的每个列向量都有单位L2范数。
我不知道这是什么意思。我这样做吗?
对 col 和 sqrt 求和。
[1 0
1 1] --> [1.4 1]
或 使每列的 l2-范数为 1。
[1 0
1 1]
--v
[0.7 0
0.7 1]
意思是你应该用对应的归一化的versor替换每个列向量。
例如(Python)
m = [[1, 0],
[1, 1]]
rows, cols = len(m), len(m[0])
for col in range(cols):
length = sum(m[row][col]**2 for row in range(rows)) ** 0.5
for row in range(rows):
m[row][col] /= length
将 m
更改为
[[0.7071067811865475, 0.0],
[0.7071067811865475, 1.0]]