sklearn.preprocessing.normalize

sklearn.preprocessing.normalize()

Escala los vectores de entrada individualmente a la norma unitaria (longitud del vector).

Lee más en el Manual de usuario.

Parámetros

X{array-like, sparse matrix} de forma (n_samples, n_features)

Los datos a normalizar, elemento por elemento. Las matrices scipy.sparse deben estar en formato CSR para evitar una copia innecesaria.

norm{“l1”, “l2”, “max”}, default=”l2”

La norma a utilizar para normalizar cada muestra distinta de cero (o cada característica distinta de cero si axis es 0).

axis{0, 1}, default=1

eje (axis) utilizado para normalizar los datos a lo largo. Si es 1, normaliza independientemente cada muestra, de lo contrario (si es 0) normaliza cada característica.

copybool, default=True

establécelo en False para realizar la normalización de filas in place y evitar una copia (si la entrada ya es un arreglo numpy o una matriz scipy.sparse CSR y si el eje es 1).

return_normbool, default=False

si se devuelven las normas calculadas

Devuelve

X{ndarray, sparse matrix} de forma (n_samples, n_features)

Entrada normalizada X.

normsndarray de forma (n_samples, ) si axis=1 sino (n_features, )

Un arreglo de normas a lo largo de un eje dado para X. Cuando X es disperso, se generará un NotImplementedError para la norma “l1” o “l2”.

Ver también

Normalizer

Realiza la normalización utilizando la API Transformer (por ejemplo, como parte de un Pipeline de preprocesamiento).

Notas

Para una comparación de los diferentes escaladores, transformadores y normalizadores, consulta examples/preprocessing/plot_all_scaling.py.