numpy.linalg.norm 有什么作用？

Question

numpy.linalg.norm方法的作用是什么？

在此 Kmeans 聚类示例中 numpy.linalg.norm 函数用于获取移动质心步骤中新质心和旧质心之间的距离，但我不明白这是什么本身的意义

有人可以给我一些关于这个 Kmeans 聚类上下文的想法吗？

向量的范数是多少？

Answer 1

numpy.linalg.norm用于计算向量或矩阵的范数

这是摘自numpy.linalg.norm的帮助文档：

numpy.linalg.norm(x, ord=None, axis=None, keepdims=False)[source]

这是摘自 K-Means Clustering in Python 的代码片段：

# Euclidean Distance Caculator
def dist(a, b, ax=1):
    return np.linalg.norm(a - b, axis=ax)

默认取order=None，所以只计算(a-b)的Frobenius norm，这是计算a和b的距离（用上式）。

Answer 2

numpy.linalg.norm 函数用于从 matrix.Suppose ,

的行或列中获取总和

>>> c = np.array([[ 1, 2, 3],
...               [-1, 1, 4]])
>>> LA.norm(c, axis=0)
array([ 1.41421356,  2.23606798,  5.        ])
>>> LA.norm(c, axis=1)
array([ 3.74165739,  4.24264069])
>>> LA.norm(c, ord=1, axis=1)
array([6, 6])

numpy.linalg.norm 有什么作用？

What does the numpy.linalg.norm function?

python

numpy

k-means