人工智能-范数 norm：L1范数和L2范数【L0范数：向量中非0的元素的个数； L1范数：向量各元素的绝对值之和（曼哈顿距离）；L2范数：向量各元素的平方和的开方值（欧氏距离）】

u013250861

于 2021-10-23 22:45:00 发布

阅读量927

点赞数 1

分类专栏：机器学习/ML # 深度学习/DL 人工智能文章标签： L1范数 L2范数

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/u013250861/article/details/120923931

版权

机器学习/ML 同时被 3 个专栏收录

38 篇文章 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

深度学习/DL

37 篇文章

订阅专栏

25 篇文章

订阅专栏

本文介绍了向量范数的概念，特别是L0、L1和L2范数。L0范数表示非零元素的个数，L1范数是向量元素绝对值的和，类似曼哈顿距离，而L2范数是向量元素平方和的开方，对应欧氏距离。L1范数常用于稀疏规则化，是L0范数的凸近似。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

范数是衡量某个向量空间(或矩阵)中的每个向量的长度或大小。

了解本专栏

超级会员免费看

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。