L1-norm和L2-norm的定义

以下内容参考此处.假设我们有一个数列, 但是我们的算法对这个数列的估计值为, 则我们的算法的估计值得L1-norm和L2-norm分别定义如下:
摘要由CSDN通过智能技术生成

以下内容参考此处.

假设我们有一个数列x_1, x_2, \cdots, x_n, 但是我们的算法对这个数列的估计值为\widehat{x_1}, \widehat{x_2}, \cdots, \widehat{x_n}, 则我们的算法的估计值的L1-norm (L1范数)和L2-norm (L2范数)分别定义如下:

L1-norm = \sum_{i=1}^n|x_i - \widehat{x_i}|

L2-norm = \sum_{i=1}^n(x_i - \widehat{x_i})^2

假设有一个向量

  • 2
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 2
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值