Cara menormalkan matriks numpy: beserta contoh

Normalisasi suatu matriks berarti menskalakan nilai sedemikian rupa sehingga rentang nilai baris atau kolom berada antara 0 dan 1.

Cara termudah untuk menormalkan nilai matriks NumPy adalah dengan menggunakan fungsi normalize() dari paket sklearn, yang menggunakan sintaks dasar berikut:

 from sklearn. preprocessing import normalize

#normalize rows of matrix
normalize(x, axis= 1 , norm=' l1 ')

#normalize columns of matrix
normalize(x, axis= 0 , norm=' l1 ')

Contoh berikut menunjukkan cara menggunakan sintaksis ini dalam praktiknya.

Contoh 1: normalisasi baris matriks NumPy

Misalkan kita memiliki matriks NumPy berikut:

 import numpy as np

#create matrix
x = np. arange (0, 36, 4). reshape (3,3)

#view matrix
print (x)

[[ 0 4 8]
 [12 16 20]
 [24 28 32]]

Kode berikut menunjukkan cara menormalkan baris matriks NumPy:

 from sklearn. preprocessing import normalize

#normalize matrix by rows
x_normed = normalize(x, axis= 1 , norm=' l1 ')

#view normalized matrix
print (x_normed)

[[0. 0.33333333 0.66666667]
 [0.25 0.33333333 0.41666667]
 [0.28571429 0.33333333 0.38095238]]

Perhatikan bahwa nilai di setiap baris sekarang berjumlah satu.

• Jumlah baris pertama: 0 + 0,33 + 0,67 = 1
• Jumlah baris kedua: 0,25 + 0,33 + 0,417 = 1
• Jumlah baris ketiga: 0,2857 + 0,3333 + 0,3809 = 1

Contoh 2: normalisasi kolom matriks NumPy

Misalkan kita memiliki matriks NumPy berikut:

 import numpy as np

#create matrix
x = np. arange (0, 36, 4). reshape (3,3)

#view matrix
print (x)

[[ 0 4 8]
 [12 16 20]
 [24 28 32]]

Kode berikut menunjukkan cara menormalkan baris matriks NumPy:

 from sklearn. preprocessing import normalize

#normalize matrix by columns
x_normed = normalize(x, axis= 0 , norm=' l1 ')

#view normalized matrix
print (x_normed)

[[0. 0.08333333 0.13333333]
 [0.33333333 0.33333333 0.33333333]
 [0.66666667 0.58333333 0.53333333]]

Perhatikan bahwa nilai di setiap kolom sekarang berjumlah satu.

• Jumlah kolom pertama: 0 + 0,33 + 0,67 = 1
• Jumlah kolom kedua: 0,083 + 0,333 + 0,583 = 1
• Jumlah kolom ketiga: 0,133 + 0,333 + 0,5333 = 1

Sumber daya tambahan

Tutorial berikut menjelaskan cara melakukan operasi umum lainnya dengan Python:

Cara menormalkan array dengan Python
Cara menormalkan kolom di Pandas DataFrame