我有一个shape矩阵[1000,500]，我想沿第二维对矩阵进行归一化。以下实现正确吗？
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,:])
您的实现确实会沿行轴进行归一化（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0开始）。您不需要包括冒号，因为它隐含了您想要所有的行。
切记float32在数据矩阵中使用dtype而不是整数dtype，因为它不会自动进行类型转换。
可能会使用更有效或更干净的实现sklearn.preprocessing.normalize。
但是请注意，您使用的是标准分数归一化，假设您的数据集呈正态分布。
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句