linalg.norm在numpy中的不同結果

我試圖根據某些特徵創建一個特徵矩陣，然後找到b/w項目的距離。爲了測試目的，我現在只用了2分。linalg.norm在numpy中的不同結果

數據：項目的名單上有

規格：項目的特徵字典（我使用他們的密鑰的值項的功能）

特點：特點

名單這是我的代碼使用numpy的零矩陣：

import numpy as np 
matrix = np.zeros((len(data),len(features)),dtype=bool) 
for dataindex,item in enumerate(data): 
    if dataindex > 5: 
    break 
specs = item['specs'] 
values = [value.lower() for value in specs.values()] 
for idx,feature in enumerate(features): 
    if(feature in values): 
     matrix[dataindex,idx] = 1 
     print dataindex,idx 
v1 = matrix[0] 
v2 = matrix[1] 
# print v1.shape 
diff = v2 - v1 
dist = np.linalg.norm(diff) 
print dist

的DIST我得到的值是1.0

這是我的代碼使用Python列表：

matrix = [] 
for dataindex,item in enumerate(data): 
    if dataindex > 5: 
     f = open("Matrix.txt",'w') 
     f.write(str(matrix)) 
     f.close() 
     break 
    print "Item" + str(dataindex) 
    row = [] 
    specs = item['specs'] 
    values = [value.lower() for value in specs.values()] 
    for idx,feature in enumerate(features): 
     if(feature in values): 
      print dataindex,idx 
      row.append(1) 
     else: 
      row.append(0) 
    matrix.append(row) 

v1 = np.array(matrix[0]); 
v2 = np.array(matrix[1]); 
diff = v2 - v1 
print diff 
dist = np.linalg.norm(diff) 
print dist

DIST在這種情況下，該值是4.35889894354

我已經檢查過很多時間值1被設定在這兩種情況下相同的位置但答案是不同的。

可能是我沒有正確使用numpy或者邏輯有問題。由於內存效率的原因，我使用基於numpy的零基矩陣。

問題是什麼？

來源

2016-03-19 Mudit Juneja

這是一個類型的問題：

In [9]: norm(ones(3).astype(bool)) 
Out[9]: 1.0 

In [10]: norm(ones(3).astype(float)) 
Out[10]: 1.7320508075688772

你必須決定什麼有關問題的良好規範，並最終與astype投你的數據。

norm(M)是sqrt(dot(M.ravel(),M.ravel()))，所以對於一個布爾矩陣，norm(M)爲0，如果M是False矩陣， 1.否則。使用norm的ord參數來調整該功能。

來源

2016-03-19 07:08:18

linalg.norm在numpy中的不同結果

回答

相關問題