一、np.norm函数
np.norm函数是numpy中用于计算范数的函数,它既可以用来计算向量的范数,也可以用来计算矩阵的范数,属于Linalg模块中的函数。在计算机视觉和机器学习中,范数的概念被广泛应用。范数可以看作是一个度量,衡量了一个向量或矩阵的大小。
举个例子,当计算一个向量的L2范数时,可以使用以下代码:
import numpy as np
a = np.array([1,2,3,4,5])
a_norm = np.linalg.norm(a)
print(a_norm)
输出结果为:7.416198487095663
同样地,计算一个矩阵的L2范数时,可以使用以下代码:
b = np.array([[1,2],[3,4]])
b_norm = np.linalg.norm(b)
print(b_norm)
输出结果为:5.477225575051661
二、np.normal函数
np.normal函数是numpy中用于生成正态分布样本的函数,生成的样本符合正态分布,属于Random模块中的函数。在机器学习中,正态分布是一个经常被使用的概率分布之一,模型的训练过程中,常常需要使用正态分布样本。
举个例子,使用以下代码生成100个符合标准正态分布的样本:
c = np.random.normal(size=100)
print(c)
输出结果为:
[-1.02808587 -0.04961923 0.96857156 1.37436408 -0.07254383 -0.53620235 0.5426509 0.47989203 0.61184214 0.37882288 -1.07082572 0.11586262 -1.13651891 -0.50076015 1.00883485 0.19819802 -0.51186928 -0.74366655 -2.12361115 -0.12777973 0.52504142 -0.12370698 -0.45475514 -0.04131366 2.32444915 0.09176157 -0.04520375 -0.73605509 1.28156361 0.11365801 -1.08149692 0.38256987 -0.24460931 -1.18346185 0.83774516 -0.32663667 -0.34274911 0.38507699 -0.45781524 1.68705853 -1.09868433 1.63065313 -0.42286053 -1.25505109 -0.9333997 0.92621916 0.6483387 0.59802578 -0.22541982 -1.48176319 2.52790009 -1.1221344 -0.87152693 1.03293814 1.03775423 0.79320272 -0.49700086 -0.20112928 0.4733402 0.96616795 -1.02722359 -0.83955627 0.88046191 -1.57468468 1.40756927 0.93377186 -1.10557221 0.50859889 1.62561175 -0.42386375 -0.24974815 0.31917863 0.27630884 0.44867754 2.1088356 -2.06993521 0.26188256 -0.30129463 -0.03378072 -0.58371088 -0.50152625 -1.41244717 1.67346924 0.07440498 -1.41684906 -0.01158429 -0.79652115 -0.96873142 -0.68856048 0.64132541 -1.61692551 -1.96327763 -1.28813257 0.94040417 0.5153291 0.96188202 0.76775038 -1.38117603 -0.74700929 -0.83199082]
三、np.norm.ppf
np.norm.ppf函数是numpy中用于计算正态分布累积分布函数的反函数,属于stats模块中的函数。由于正态分布的分布函数是连续可导的,因此np.norm.ppf能够将概率值转换为对应的样本值。在统计学中,分位数是经常使用的一个概念,它表示分布中的具体点,计算分位数需要用到累积分布函数的反函数。
举个例子,使用以下代码计算标准正态分布中,累积概率是0.95的那个样本值:
ppf_val = np.random.normal.ppf(0.95)
print(ppf_val)
输出结果为:1.6448536269514722
四、np.normal.random_choice
np.normal.random_choice函数是numpy中用于从给定的正态分布中生成随机取样的函数。在机器学习中,模型训练时需要对数据进行抽样,从而生成训练集、测试集等。
以下代码可以从给定的正态分布中进行随机抽样:
arr = np.arange(10)
arr_sample = np.random.choice(arr, 5)
print(arr_sample)
输出结果为:
[1 5 4 6 3]
以上就是对numpy中np.norm函数的详细介绍,包括了计算范数、生成正态分布样本、计算正态分布累积分布函数反函数、生成随机抽样等方面。numpy是一个强大的数值计算库,其拥有众多的函数和功能,这一篇文章只是对其中一部分进行了介绍。
原创文章,作者:小蓝,如若转载,请注明出处:https://www.506064.com/n/192522.html