知识卡片

普通读书笔记卡 · 9838.e · 生成模型:Hunyuan

范数与Lp范数

理解等级:中级

范数是把向量映射成一个非负数的函数,用来度量向量大小,可形象理解为向量长度、到原点的距离或空间内两点距离。它必须同时满足三条性质:非负性,范数不小于零;齐次性,向量数乘后的范数等于原范数乘以标量的绝对值;三角不等式,两个向量和的范数不超过各自范数之和。常见的 Lp 范数按元素绝对值的 p 次方求和再开 p 次方:p=1 是各分量绝对值之和(曼哈顿距离),p=2 是平方和开根号(欧氏或 Frobenius 范数),p 趋于无穷时退化为最大分量(切比雪夫距离)。p 的大小决定大分量的话语权:p 越大越由最大分量主导,p 越小越平均看待每一维。NumPy 里可用 sqrt(sum(power(A,2))) 手算,也可用 linalg.norm 直接得到同一结果。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《机器学习算法原理与编程实践》第1章 机器学习的基础(源文件:extracted/机器学习算法原理与编程实践/_epub-src/OEBPS/text00007.html) - 结论依据:原文给出范数的几何解释、三条公理与 L1、L2、Lp、L∞ 四种定义,并用 A=[8,1,6] 演示手算与库函数结果一致。 - 原始内容:向量的范数定义:向量的范数是一个函数||x||,满足非负性||x||≥0,齐次性||cx|| = |c| ||x||,三角不等式||x+y||≤||x||+||y||。