maxframe.learn.preprocessing.normalize#

maxframe.learn.preprocessing.normalize(X, norm='l2', axis=1, copy=True, return_norm=False)[源代码]#

将输入向量各自缩放到单位范数（向量长度）。

参数:

  • X ({array-like, sparse matrix}, shape [n_samples, n_features]) -- 要逐元素归一化的数据。scipy.sparse 矩阵应为 CSR 格式以避免不必要的复制。

  • norm ('l1', 'l2', or 'max', optional ('l2' by default)) -- 用于归一化每个非零样本（如果 axis 为 0，则为每个非零特征）的范数。

  • axis (0 or 1, optional (1 by default)) -- 用于沿着进行数据归一化的轴。如果为 1，则独立地归一化每个样本；否则（如果为 0）归一化每个特征。

  • copy (boolean, optional, default True) -- 设为 False 以执行原地行归一化并避免复制（如果输入已经是张量并且 axis 为 1）。

  • return_norm (boolean, default False) -- 是否返回计算出的范数

返回:

  • X ({array-like, sparse matrix}, shape [n_samples, n_features]) -- 归一化后的输入 X。

  • norms (Tensor, shape [n_samples] if axis=1 else [n_features]) -- 沿着给定轴的 X 的范数张量。当 X 是稀疏矩阵时，对于 'l1' 或 'l2' 范数会抛出 NotImplementedError。

参见

Normalizer

使用 Transformer API 执行归一化（例如作为预处理 maxframe.learn.pipeline.Pipeline 的一部分）。