資料結構
網路
關係資料庫管理系統
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
時尚研究
法律研究如何使用 Python 中的 scikit-learn 庫實現 L2 正則化？
將一系列值轉換為標準化範圍內的值的過程稱為歸一化。這些值可能介於 -1 到 +1 或 0 到 1 之間。資料也可以透過減法和除法來歸一化。
讓我們瞭解 L2 歸一化是如何工作的。它也被稱為“最小二乘法”。這種歸一化以這樣的方式修改資料，使得每一行資料的平方和都保持為 1。
讓我們看看如何使用 Python 中的 Scikit learn 實現 L2 歸一化：
示例
import numpy as np
from sklearn import preprocessing
input_data = np.array(
[[34.78, 31.9, -65.5],[-16.5, 2.45, -83.5],[0.5, -87.98, 45.62],[5.9, 2.38, -55.82]]
)
normalized_data_l2 = preprocessing.normalize(input_data, norm='l2')
print("\nL2 normalized data is \n", normalized_data_l2)輸出
L2 normalized data is [[ 0.43081298 0.39513899 -0.81133554] [-0.19377596 0.02877279 -0.98062378] [ 0.00504512 -0.88774018 0.4603172 ] [ 0.10501701 0.04236279 -0.99356772]]
解釋
匯入所需的包。
使用 Numpy 庫生成輸入資料。
使用 ‘preprocessing’ 類中的 ‘normalize’ 函式來歸一化資料，使得每一行值的平方和都為 1。
將歸一化型別指定為 ‘l2’。
這樣，陣列中的任何資料都會被歸一化，並且每一行的平方和都將僅為 1。
在控制檯上顯示此歸一化資料。
更新於：2020-12-11
2K+ 閱讀量
廣告