沿一个特定维度标准化矩阵[关闭]答案

【问题标题】：normalize a matrix along one specific dimension [closed]沿一个特定维度标准化矩阵[关闭]
【发布时间】：2018-10-15 10:18:58
【问题描述】：

我有一个形状为[1000,500] 的矩阵，我想沿第二维对矩阵进行归一化。下面的实现对吗？

def norm(x):
    return (x - np.mean(x)) / (np.std(x) + 1e-7)

for row_id in range(datamatrix.shape[0]):
    datamatrix[row_id,:] = norm(datamatrix[row_id,:])

【问题讨论】：

标签： python numpy scipy scikit-learn

【解决方案1】：

您的实现确实会沿行轴进行规范化（我不确定您所说的第二维是什么意思，因为行通常是矩阵的第一维，而 numpy 从维度 0 开始）。您不需要包含冒号，因为它暗示您需要所有行。

请记住在您的数据矩阵中使用 float32 dtype，而不是整数 dtype，因为它不进行自动类型转换。

更有效或更简洁的实现可能是使用sklearn.preprocessing.normalize。

但请注意，您使用的是标准分数标准化，它假设您的数据集是正态分布的。

【讨论】：

嗨卡斯帕，谢谢。如果数据集不是正态分布的，还有什么其他选择。通常，在构建机器学习模型时，我们通常会在将它们输入模型之前对其进行归一化。
@user288609 这取决于您的数据是如何分布的。有时可以将数据转换为正态分布。