numpy.linalg.norm 可以用矩阵的 L1 范数替换 sklearn.preprocessing.normalize(X, norm='l1',) 吗？答案

【问题标题】：Can numpy.linalg.norm replace sklearn.preprocessing.normalize(X, norm='l1',) for L1-norm of matrix?numpy.linalg.norm 可以用矩阵的 L1 范数替换 sklearn.preprocessing.normalize(X, norm='l1',) 吗？
【发布时间】：2017-11-26 14:00:24
【问题描述】：

我以前使用过sklearn.preprocessing.normalize，但我想知道 Numpy（或其他东西）还有其他方法可以用于矩阵的 L1 范数吗？我们可以使用numpy.linalg.norm(x, ord=None, axis=None, keepdims=False) 而不是sklearn 一个吗？

根据document，linalg.norm 参数似乎不适用于矩阵和 L1

x : array_like Input array. If axis is None, x must be 1-D or 2-D.
ord : {non-zero int, inf, -inf, ‘fro’, ‘nuc’}, optional

【问题讨论】：

ord=1 不返回L1 规范吗？

标签： python numpy matrix scikit-learn

【解决方案1】：

是的。 numpy.linalg.norm 用于矩阵或向量范数。

这取决于您想要哪种 L1 矩阵范数。您可以使用参数ord 指定它。 (Doc)

numpy.linalg.norm(x, ord=None, axis=None, keepdims=False)

向量范数诱导的矩阵范数，`ord=inf`

“Entrywise”矩阵范数，`ord=0`

Schatten 规范，`ord=nuc`

【讨论】：

向量范数诱导的矩阵范数，ord=inf

“Entrywise”矩阵范数，ord=0

Schatten 规范，ord=nuc

向量范数诱导的矩阵范数，`ord=inf`

“Entrywise”矩阵范数，`ord=0`

Schatten 规范，`ord=nuc`