如何使用Python中的Scikit-learn库实现L2正则化?

如何使用Python中的Scikit-learn库实现L2正则化?

将一组数值转换为标准化范围内的数值,称为标准化。这些值可以在-1到+1或0到1之间。还可以使用减法和除法来标准化数据。

让我们来了解一下L2正则化是如何工作的。它也称为“最小二乘法”。这种正则化修改数据的方式,使每行数据的平方和仍然为1。

让我们看看如何在Python中使用Scikit learn实现L2正则化 –

更多Python相关文章,请阅读:Python 教程

示例

import numpy as np
from sklearn import preprocessing
input_data = np.array(
    [[34.78, 31.9, -65.5],[-16.5, 2.45, -83.5],[0.5, -87.98, 45.62],[5.9, 2.38, -55.82]]
)
normalized_data_l2 = preprocessing.normalize(input_data, norm='l2')
print("\nL2 normalized data is \n", normalized_data_l2)
Python

输出结果

L2 normalized data is
[[ 0.43081298 0.39513899 -0.81133554]
[-0.19377596 0.02877279 -0.98062378]
[ 0.00504512 -0.88774018 0.4603172 ]
[ 0.10501701 0.04236279 -0.99356772]]
Python

说明

  • 导入所需的包。

  • 使用Numpy库生成输入数据。

  • 使用’preprocessing’类中的’normalize’函数将数据规范化,使每行中值的平方和为1。

  • 将标准化的类型指定为’l2’。

  • 这样,数组中的任何数据都会被规范化,每行的平方和仅为1。

  • 在控制台上显示规范化后的数据。

Python教程

Java教程

Web教程

数据库教程

图形图像教程

大数据教程

开发工具教程

计算机教程

登录

注册