<\/p>\n
Beim Normalisieren<\/strong> einer Matrix werden die Werte so skaliert, dass der Bereich der Zeilen- oder Spaltenwerte zwischen 0 und 1 liegt.<\/span><\/p>\n Der einfachste Weg, die Werte einer NumPy-Matrix zu normalisieren, ist die Verwendung der normalize()-<\/a> Funktion aus dem sklearn-Paket, die die folgende grundlegende Syntax verwendet:<\/span><\/p>\n Die folgenden Beispiele zeigen, wie Sie diese Syntax in der Praxis anwenden k\u00f6nnen.<\/span><\/p>\n Angenommen, wir haben die folgende NumPy-Matrix:<\/span><\/p>\n Der folgende Code zeigt, wie die Zeilen der NumPy-Matrix normalisiert werden:<\/span><\/p>\n Beachten Sie, dass sich die Werte in jeder Zeile jetzt zu eins addieren.<\/span><\/p>\n Angenommen, wir haben die folgende NumPy-Matrix:<\/span><\/p>\n Der folgende Code zeigt, wie die Zeilen der NumPy-Matrix normalisiert werden:<\/span><\/p>\n Beachten Sie, dass sich die Werte in jeder Spalte jetzt zu eins addieren.<\/span><\/p>\n In den folgenden Tutorials wird erl\u00e4utert, wie Sie andere g\u00e4ngige Vorg\u00e4nge in Python ausf\u00fchren:<\/span><\/p>\n So normalisieren Sie Arrays in Python<\/a> Beim Normalisieren einer Matrix werden die Werte so skaliert, dass der Bereich der Zeilen- oder Spaltenwerte zwischen 0 und 1 liegt. Der einfachste Weg, die Werte einer NumPy-Matrix zu normalisieren, ist die Verwendung der normalize()- Funktion aus dem sklearn-Paket, die die folgende grundlegende Syntax verwendet: from sklearn. preprocessing import normalize #normalize rows of matrix normalize(x, […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n from<\/span> sklearn. preprocessing<\/span> import<\/span> normalize\n\n#normalize rows of matrix\n<\/span>normalize(x, axis= 1<\/span> , norm=' l1<\/span> ')\n\n#normalize columns of matrix\nnormalize(x, axis= 0<\/span> , norm=' l1<\/span> ')<\/span>\n<\/span><\/strong><\/pre>\n Beispiel 1: Normalisieren Sie die Zeilen der NumPy-Matrix<\/strong><\/span><\/h3>\n
import<\/span> numpy as<\/span> np\n\n#create matrix\n<\/span>x = np. arange<\/span> (0, 36, 4). reshape<\/span> (3,3)\n\n#view matrix\n<\/span>print<\/span> (x)\n\n[[ 0 4 8]\n [12 16 20]\n [24 28 32]]\n<\/span><\/span><\/strong><\/pre>\n from<\/span> sklearn. preprocessing<\/span> import<\/span> normalize\n\n#normalize matrix by rows\n<\/span>x_normed = normalize(x, axis= 1<\/span> , norm=' l1<\/span> ')\n\n#view normalized matrix\n<\/span>print<\/span> (x_normed)\n\n[[0. 0.33333333 0.66666667]\n [0.25 0.33333333 0.41666667]\n [0.28571429 0.33333333 0.38095238]]<\/strong><\/span><\/pre>\n\n
Beispiel 2: Normalisieren Sie die Spalten der NumPy-Matrix<\/strong><\/span><\/h3>\n
import<\/span> numpy as<\/span> np\n\n#create matrix\n<\/span>x = np. arange<\/span> (0, 36, 4). reshape<\/span> (3,3)\n\n#view matrix\n<\/span>print<\/span> (x)\n\n[[ 0 4 8]\n [12 16 20]\n [24 28 32]]\n<\/span><\/span><\/strong><\/pre>\n from<\/span> sklearn. preprocessing<\/span> import<\/span> normalize\n\n#normalize matrix by columns\n<\/span>x_normed = normalize(x, axis= 0<\/span> , norm=' l1<\/span> ')\n\n#view normalized matrix\n<\/span>print<\/span> (x_normed)\n\n[[0. 0.08333333 0.13333333]\n [0.33333333 0.33333333 0.33333333]\n [0.66666667 0.58333333 0.53333333]]<\/strong><\/span><\/pre>\n\n
Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
So normalisieren Sie Spalten in einem Pandas DataFrame<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"