Numpy 点 return 不同的值
Numpy dot return different values
Numpy 点 returns 归一化后的不同值。我有两个函数应该 return 相同的值。
import numpy as np
from sklearn.preprocessing import normalize
def foo1(x, y):
with np.errstate(invalid='ignore'):
x_norm = np.nan_to_num(x / (np.linalg.norm(x, axis=0)))
z = np.dot(x_norm, y / np.linalg.norm(y))
print(z)
def foo2(x, y):
x_norm = normalize(x, axis=0)
z = np.dot(x_norm, normalize(y))
print(z)
最小的可重现示例
x = np.array([[1, 2, 3],
[4, 5, 6]])
y = np.array([[1], [2], [3]])
foo1(x, y)
foo2(x, y)
输出
[[0.62190562]
[1.47271032]]
[[1.0611399 ]
[2.79304638]]
预期的第一个值。
所以您的问题是由于 y
是一个 3x1 矩阵。当您调用 normalize
时,它在第二个轴 (axis=1
) 上进行归一化,其中它单独对每个值进行归一化。所以
normalize(y) -> array([[1.], [1.], [1.]])
当你想要
normalize(y, axis=0) -> array([[0.26726124], [0.53452248], [0.80178373]])
进行此更改后,您的两个函数将 return 具有相同的值 [[0.62190562]
[1.47271032]]
Numpy 点 returns 归一化后的不同值。我有两个函数应该 return 相同的值。
import numpy as np
from sklearn.preprocessing import normalize
def foo1(x, y):
with np.errstate(invalid='ignore'):
x_norm = np.nan_to_num(x / (np.linalg.norm(x, axis=0)))
z = np.dot(x_norm, y / np.linalg.norm(y))
print(z)
def foo2(x, y):
x_norm = normalize(x, axis=0)
z = np.dot(x_norm, normalize(y))
print(z)
最小的可重现示例
x = np.array([[1, 2, 3],
[4, 5, 6]])
y = np.array([[1], [2], [3]])
foo1(x, y)
foo2(x, y)
输出
[[0.62190562]
[1.47271032]]
[[1.0611399 ]
[2.79304638]]
预期的第一个值。
所以您的问题是由于 y
是一个 3x1 矩阵。当您调用 normalize
时,它在第二个轴 (axis=1
) 上进行归一化,其中它单独对每个值进行归一化。所以
normalize(y) -> array([[1.], [1.], [1.]])
当你想要
normalize(y, axis=0) -> array([[0.26726124], [0.53452248], [0.80178373]])
进行此更改后,您的两个函数将 return 具有相同的值 [[0.62190562]
[1.47271032]]