解释如何使用python中的scikit-learn库实现L2规范化？
将值范围转换为标准值范围的过程称为标准化。这些值可以在-1到+1或0到1之间。数据也可以借助减法和除法进行归一化。
让我们了解L2归一化的工作原理。它也被称为“最小正方形”。此归一化修改数据的方式是，每行数据的平方和保持为1。
让我们看看如何使用Scikitlearning在Python中实现L2标准化-
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标准化数据是 \n", normalized_data_l2)输出结果L2标准化数据是
[[ 0.43081298 0.39513899 -0.81133554]
[-0.19377596 0.02877279 -0.98062378]
[ 0.00504512 -0.88774018 0.4603172 ]
[ 0.10501701 0.04236279 -0.99356772]]
说明
所需的包已导入。
输入数据是使用Numpy库生成的。
“preprocessing”类中的“normalize”函数用于规范化数据，使每行中值的平方和为1。
规范化的类型指定为“l2”。
这样，数组中的任何数据都会被规范化，每一行的平方和将只为1。
此标准化数据显示在控制台上。
热门推荐
10 对患者生日祝福语简短
11 结婚祝福语简短装备
12 周岁祝福语学生文案简短
13 订婚领证祝福语简短精辟
14 导师获奖祝福语大全简短
15 新婚购房祝福语简短精辟
16 牛年祝福语简短的爱人
17 送芒果的祝福语简短
18 送给学长毕业祝福语简短