Pythonでscikit-learnライブラリを使用してL2正規化を実装する方法を説明してください。

値の範囲を標準化された値の範囲に変換するプロセスは、正規化と呼ばれます。これらの値は、-1から+1または0から1の間である可能性があります。データは、減算と除算を使用して正規化することもできます。

L2正規化がどのように機能するかを理解しましょう。 「最小二乗法」とも呼ばれます。この正規化は、データの2乗の合計がすべての行で1のままになるようにデータを変更します。

PythonでScikitlearnを使用してL2正規化を実装する方法を見てみましょう-

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)

出力

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]]

説明

• 必要なパッケージがインポートされます。

• 入力データは、Numpyライブラリを使用して生成されます。

• クラス「preprocessing」にある「normalize」関数は、すべての行の値の2乗の合計が1になるようにデータを正規化するために使用されます。

• 正規化のタイプは「l2」として指定されます。

• このようにして、配列内のすべてのデータが正規化され、すべての行の二乗和は1のみになります。

• この正規化されたデータはコンソールに表示されます。