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: