python normallize 函数

Python normalize 函数用于对向量或矩阵进行标准化处理。标准化处理可以将数据集中的值缩放到一个固定的范围内，以避免不同特征之间的量级不同而导致的误差。

在 Python 中，可以使用 sklearn 库中的 normalize 函数来进行标准化处理。该函数的使用方法如下：

from sklearn.preprocessing import normalize

normalized_data = normalize(data, norm='l2')

其中，data 为待标准化的数据，norm 参数用于指定标准化方法，常用的有 'l1' 和 'l2' 两种，分别表示对向量进行 L1 和 L2 标准化。

例如，对一个二维向量 (3, 4) 进行 L2 标准化，可以使用以下代码：

import numpy as np
from sklearn.preprocessing import normalize

data = np.array([[3, 4]])
normalized_data = normalize(data, norm='l2')
print(normalized_data)

输出结果为：

[[0.6 0.8]]

表示将原向量缩放到单位长度为 1，即 (0.6, 0.8)。