范数和距离

在阅读文章的时候经常看到各种范数和各种距离如果数学知识不扎实的话会被搞得晕头转向。实际范数和某些距离是有关系的,而且关系是很明显。

范数:

一般向量范数称为L范数,如 L1 , L2 , Lp , L 。以上每种范数均有相应的距离: L1 距离, L2 距离, Lp 距离, L 距离。

1.1, L1 范数
定义: ||x||1=ni=1|xi|,x={x1,x2,...xn} ;

1.2, L1 距离
定义: L1(xi,yi)=ni=1|xiyi|,x={x1,x2,...xn}y={y1,y2,...yn} ;
L1 距离也叫曼哈顿距离(Manhattan distance)

2.1, L2 范数
定义: ||x||2=ni=1x2i,x={x1,x2,...xn} ;

2.2, L2 距离
定义: L2(xi,yi)=ni=1(xiyi)2,x={x1,x2,...xn}y={y1,y2,...yn} ;
L2距离也叫欧氏距离(Euclidean distance)

3.1, Lp 范数
定义: ||x||p=ni=1|xi|pp=(ni=1|xi|p)1p,x={x1,x2,...xn} ;
3.2, Lp 距离
定义: Lp(xi,yi)=(ni=1|xiyi|p)1p,x={x1,x2,...xn}y={y1,y2,...yn} ;
Lp 距离也叫闵可夫斯基距离(MinkowskiDistance)

4.1, L 范数
定义: ||x||=maxni=1(|xi|),x={x1,x2,...xn} ;
4.2, L 距离
定义: L(xi,yi)=maxni=1(|xiyi|),x={x1,x2,...xn} ;
Lp 距离也叫切比雪夫距离(Chebyshev Distance)

另外对于关注机器学习的小伙伴,关于范数在机器学习中的使用可以参考博客http://blog.csdn.net/zouxy09/article/details/24971995/

  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    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
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