如何L2与正常化夫特阵列

Question

我想我的正常化模型CoreML的输入如下图所示，它那种做一些事情的数组，但其相当不同的，那么SKLearn做什么（我给相同的输入和观看这些环境输出）。所以appereantly我做错事。

我的模型进行训练Keras和SKlearn和我一样使用SKLearn正规化，这是默认的L2归一化就必须做同样的正常化。我在做什么下面apperantly不equalivant sklearn的，任何想法？

    vDSP_normalizeD(vec, 1, &normalizedVec, 1, &mean, &std, vDSP_Length(count))

    let (normalizedXVec, _, _) = normalize(vec: doubleArray)

然后，我在这里转换normalizedXVec到MLMultiArray和输入使用我的预测

注：我也尝试过使用coreml工具从sklearn正规化转换但是在这里看到我的错误：

Answer 1

vDSP_normalizeD使用平均值和标准偏差。那是不一样的L2。

所述L2归一化第一计算向量，它是相同sqrt(v[0]*v[0] + v[1]*v[1] + ... + v[n]*v[n])的L2范数，然后将其除以该数量向量的每个元素。