[线性代数] 向量的范数（Norm）

[线性代数] 向量的范数（Norm）：

​ 向量范数是向量模（长度）这一概念的推广。向量的L-p范数是一个标量，定义为：
$$||x|{|}_p=(\sum _{i=1}^n|x_i{|}^p{)}^{\frac{1}{p}}$$
​ P为常数，常用的范数是L1和L2范数。在机器学习中被用作正则化项。

3.1 L1范数：

​ L1范数就是所有分量的绝对值之和，定义为：
$$||x|{|}_1=\sum _{i=1}^n|x_i|$$

3.2 L2范数：

​ L2范数也称为向量的模，即向量的长度，定义为：
$$||x|{|}_2=\sqrt{\sum _{i=1}^n(x_i{)}^2}$$
​ L2范数也称为欧几里得范数（Euclidean Norm），L2范数可以简写为||x||

3.3 L∞范数：

​ L∞范式其实就是Max范式，就是相当于各个元素的绝对值中最大的那一个。
$$||x|{|}_{\infty }=max|x_i|$$