[Matlab] norm函数用法（用于RMSE和R2）

rmse = norm(y_train-y_pred)/sqrt(l_train)
R2 = 1 - norm(y_train-y_pred)^2/norm(y_train - mean(y_train))^2

在读代码的时候，看到norm的用法，自己尝试用矩阵A = [1, 1]来试一下 norm(A)是多少，还有norm(A,1)，norm(A,2)，norm(A,3)试一下结果是多少如下。

>> a = [1,1]

a =

     1     1

>> b = norm(a)

b =

    1.4142

>> b = norm(a,1)

b =

     2

>> b = norm (a,2)

b =

    1.4142

>> b = norm(a,3)

b =

    1.2599

直观的看并不知道结果如何得到的，所以查阅资料得到norm(A)=norm(A,2)，就是我们深度学习里的L2范数。

L2范数的定义其实是一个数学概念，其定义如下

这个公式看着相当熟悉吧，用的最多的欧式距离就是一种L2范数，表示向量元素的平方和再开方。

想了解更多有关深度学习正规化的知识可到下面的链接：

一文搞懂深度学习正则化的L2范数