Numpy L2 Norm

Python ist die renommierteste Programmiersprache aufgrund seines leicht verständlichen Skripts, das zahlreiche integrierte Funktionen und Bibliotheken bietet, um es einfacher und verständlicher zu machen. Diese Sprache wird hauptsächlich zur Implementierung maschineller Lernanwendungen verwendet. Während wir an den verschiedenen Anwendungen für maschinelles Lernen arbeiten, drücken wir häufig die Funktionen, Datensätze, Zielwerte und andere Parameter der Anwendung in Form von Matrizen oder Vektoren aus. Um die Algorithmen für maschinelles Lernen auf diesen Vektoren zu implementieren, müssen wir häufig die Größe dieser Matrizen einnehmen, die Größe der Vektoren, die die Länge der Vektoren darstellen, und diese Längen berechnen. Wir verwenden die Funktion "Norm".

Norm berechnet die Länge der Vektoren und kann als „Entfernung in mathematischen Begriffen“ verstanden werden. L2 Norm nimmt zuerst das Quadrat aller Elemente im Vektor oder im Array und fügt dann alle diese quadratischen Elemente hinzu und gibt die Größe für den Vektor zurück.

Verfahren

Wir werden ein einfaches Verfahren befolgen, um ein gutes Verständnis des Themas Numpy L2 Norm zu erhalten. Der Artikel erläutert die Bedeutung dieser Funktion, und dann wird die Syntax dieser Funktion zusammen mit der Implementierung dieser Syntax im Python -Skript erklärt.

Syntax

Es gibt im Allgemeinen zwei Arten von Normen, die im Python -Skript ausgedrückt werden können, und wir können in den Parametern dieser Funktion mit derselben grundlegenden Syntax mit ein wenig Modifikation zu einer wechseln. Die Methode, diese Funktion im Python -Programm aufzurufen, wird wie folgt angegeben:

$ numpy. Linalg. Norm (x, order = keine, axis = keine)

Diese Funktion hat drei Parameter, die beim Berechnen der Norm der Vektoren ausgedrückt werden müssen. Der Parameter „X“ ist der Name des Vektors, dessen Länge wir mit der Numpy L2 -Normfunktion finden möchten. Dann kommt ein weiterer Parameter, „bestellen“ Dieser Parameter gibt an, ob wir die L1 -Norm oder die L2 -Norm des Vektors herausfinden müssen, und „Achse“ zum letzten Parameter der Funktion beiträgt. Es gibt entweder die Vektoren oder die Norm der Matrix zurück. Normalerweise halten wir seinen Wert gleich keinen.

Beispiel 1

Die Numpy L2 -Normfunktion berechnet die Norm für jeden Vektor oder jede Matrix, und dies könnte durch das Schreiben des Programms für die L2 -Norm überprüft und im Python -Compiler ausgeführt werden, um ihre Ergebnisse zu überprüfen. Um die Größe des Vektors mit der L2 -Norm zu finden, werden wir ein neues Projekt erstellen oder mit dem neuesten Projekt beginnen. Die Bibliothek, die wir für die Implementierung dieser Funktion installieren müssen, ist unten angegeben:

"Numpy"

Wir werden diese Bibliothek in unserer Python -Shell über das Terminalfenster installieren. Nach der Installation dieser Bibliothek importieren wir zwei Hauptpakete aus dieser Bibliothek, die wir im Programm verwendet werden, um die L2 -Normfunktion aufzurufen. Wir werden also zuerst das Numpy -Paket mit dem Präfix oder dem Namen "PN" importieren und dann ein anderes Modul aus diesem Paket als "Linalg" importieren.

Von Numpy werden wir Linalg mit dem Namen "Norm" importieren. Jetzt werden wir diese PN- und Norm -Präfixe anstelle von Linalg und Numpy im Programm verwenden. Wir erstellen einen Vektor oder ein Array mit der Methode als „PN. Array ([2, 4, 5, 9]) ”. Wir werden dieses Array in der Variablen „Vektor“ speichern. Mit dieser Array -Erklärung werden wir voranschreiten und die L2 -Norm dieses Arrays „Vektor“ finden,. Wir werden also die Methode aufrufen, um „linalg“ zu funktionieren, die wir aus dem Numpy -Paket importiert hatten, und jetzt werden wir sie als Norm verwenden, damit der Funktionsaufruf „PN ist. Norm (x, Ordnung) ”. Diese Funktion nimmt den Wert seines Parameters „x“ als Name des Arrays an, ich.e., Vektor und die Reihenfolge der Norm werden zu „2“ gleichermaßen gegeben, da wir die L2 -Norm berechnen.

Die Ergebnisse, die wir aus dieser Methode erhalten.

Beispiel 2

Im vorherigen Beispiel haben wir die L2 -Norm für einen Vektor oder ein Array mit einer Spannweite in nur einer Dimension implementiert. In diesem Beispiel wird versucht, die L2 -Normfunktion für das 2D -Array oder die Matrix zu implementieren. Wir werden also das gleiche Verfahren wie in den Beispielen befolgen, um die beiden Module aus dem Numpy -Paket Linalg und dem Numpy als „NP“ bzw. „Norm“ zu importieren. Wir werden beide Module verwenden, um die L2 -Normfunktion für das 2D -Array aufzurufen. Mit dem Präfix "NP" werden wir die Array -Deklarationsfunktion "NP" aufrufen. Array () ” . Dieser Funktionsaufruf erklärt ein 2D -Array mit den Elementen als "[[2, 6, 7], [3, 5, 1]".

Der Name des Arrays wird als "Array_2dim" angegeben. Wir werden dieses Array im NP verwenden. Norm () Funktion als Eingabeparameter gibt die Reihenfolge der Funktion nach „2“ an, um der Funktion zu sagen, dass die L2 -Norm für dieses 2D -Array berechnet wird. Die Ergebnisse dieser L2 -Normfunktion werden dann als Ausgabe angezeigt, indem die Druckfunktion aufgerufen wird. Wir haben den Code -Snippet für dieses Beispiel unten beigefügt:

Die Ausgabe des Programms wurde als L2 -Norm für das 2D -Array angezeigt.

Abschluss

Dieser Artikel basiert auf der L2 -Normfunktion mit dem Numpy -Paket. Wir haben das vollständige Konzept zu diesem Thema geliefert, indem wir die Methoden erläutert, um diese Funktion mithilfe verschiedener Beispiele zu verwenden, die wir in diesem Artikel in der Python -Programmiersprache besprochen und implementiert haben. Wir haben auch den Bewerbungsbereich des Themas besprochen und hoffen, dass es Konzepte zu dieser Funktion klärt.