1、linalg = linear(线性)+ algebra(代数),norm则表示范数。
首先需要注意的是范数是对向量(或者矩阵)的度量,是一个标量(scalar):
2、函数参数
x_norm=np.linalg.norm(x, ord=None, axis=None, keepdims=False)
- x: 表示矩阵(也可以是一维)
- ord:范数类型
| 参数 | 说明 | 计算方法 |
| 默认 | 二范数: | |
| ord=2 | 二范数: | 同上 |
| ord=1 | 一范数: | |
| ord=np.inf | 无穷范数: |
>>> x = np.array([3, 4])
>>> np.linalg.norm(x)
5.
>>> np.linalg.norm(x, ord=2)
5.
>>> np.linalg.norm(x, ord=1)
7.
>>> np.linalg.norm(x, ord=np.inf)
4
范数理论的一个推论:>=
>=
本文详细解析了numpy.linalg.norm函数的使用方法,包括如何通过ord参数选择不同的范数类型,如一范数、二范数和无穷范数,并通过实例展示了不同范数的计算结果。
5023

被折叠的 条评论
为什么被折叠?



