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）】

最新推荐文章于 2022-05-31 22:25:00 发布

u013250861

最新推荐文章于 2022-05-31 22:25:00 发布

阅读量635

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.csdn.net/u013250861/article/details/120923931

版权

机器学习/ML 同时被 3 个专栏收录

38 篇文章 26 订阅 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

深度学习/DL

37 篇文章 8 订阅

订阅专栏

24 篇文章 3 订阅

订阅专栏

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

关注

1
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
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）】

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。∥x∥p:=(∑i=1n∣xi∣p)1p\left \| x\right \|_p := \left( \sum_{i=1}^{n}\left|x_i\right|^p\right)^{\frac{1}{p}}∥x∥p:=(i=1∑n∣xi∣p)p1L0范数：向量中非0的元素的个数。L0 范数是 ∣∣x∣∣0=xi(xi不等于0)代表非0数字的个数||\textbf{x}||_0 = x_i (x_i不等于0)代表非0数字的个数∣∣x∣
复制链接

扫一扫

专栏目录

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。