📚范数(Norm)：几种范数的简单介绍💪

在数学领域，范数是一个衡量向量“大小”的概念，广泛应用于机器学习、深度学习等领域。它就像是一个标尺，帮助我们量化数据的重要性或误差大小！👀

首先，让我们认识最经典的L1范数（Manhattan Distance）👇。想象你在城市中从一点走到另一点，只能沿着街道直角移动，这种路径长度就是L1范数。它常用于特征选择，因为它倾向于让部分权重变为零，从而实现稀疏解。

接着是L2范数（Euclidean Distance）箭头符号👉。它是两点间直线距离的计算方式，也是我们日常生活中最常见的度量方法。L2范数在优化问题中非常常见，比如最小化预测值与真实值之间的差距。

最后，还有更高阶的Lp范数，当p趋向于无穷大时，它会变成最大坐标绝对值的范数（∞-范数）。这就像给你的模型戴上了一副“放大镜”，专门关注那些异常大的数值！🧐

总结来说，不同范数各有千秋，合理选用能让算法更高效哦！🚀

免责声明：本文由用户上传，如有侵权请联系删除！