Numpy 행렬을 정규화하는 방법: 예제 포함
행렬을 정규화한다는 것은 행 또는 열 값의 범위가 0과 1 사이가 되도록 값의 크기를 조정하는 것을 의미합니다.
NumPy 행렬의 값을 정규화하는 가장 쉬운 방법은 다음 기본 구문을 사용하는 sklearn 패키지의 Normalize() 함수를 사용하는 것입니다.
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 ')
다음 예에서는 이 구문을 실제로 사용하는 방법을 보여줍니다.
예 1: NumPy 행렬의 행 정규화
다음과 같은 NumPy 행렬이 있다고 가정합니다.
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]]
다음 코드는 NumPy 행렬의 행을 정규화하는 방법을 보여줍니다.
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]]
이제 각 행의 값을 더하면 1이 됩니다.
- 첫 번째 줄의 합: 0 + 0.33 + 0.67 = 1
- 두 번째 줄의 합: 0.25 + 0.33 + 0.417 = 1
- 세 번째 행의 합: 0.2857 + 0.3333 + 0.3809 = 1
예제 2: NumPy 행렬의 열 정규화
다음과 같은 NumPy 행렬이 있다고 가정합니다.
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]]
다음 코드는 NumPy 행렬의 행을 정규화하는 방법을 보여줍니다.
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]]
이제 각 열의 값을 더하면 1이 됩니다.
- 첫 번째 열의 합: 0 + 0.33 + 0.67 = 1
- 두 번째 열의 합: 0.083 + 0.333 + 0.583 = 1
- 세 번째 열의 합: 0.133 + 0.333 + 0.5333 = 1
추가 리소스
다음 튜토리얼에서는 Python에서 다른 일반적인 작업을 수행하는 방법을 설명합니다.