數學概念

范數，是具有 “長度” 概念的函數。在線性代數、泛函分析及相關的數學領域，范數是一個函數，是矢量空間內的所有矢量賦予非零的正長度或大小。

在數學上，范數包括向量范數和矩陣范數

L1 范數和 L2 范數，用于機器學習的 L1 正則化、L2 正則化。對于線性回歸模型，使用 L1 正則化的模型叫做 Lasso 回歸，使用 L2 正則化的模型叫做 Ridge 回歸(嶺回歸)。

其作用是：
L1 正則化是指權值向量 w 中各個元素的絕對值之和，可以產生稀疏權值矩陣(稀疏矩陣指的是很多元素為 0，只有少數元素是非零值的矩陣，即得到的線性回歸模型的大部分系數都是 0. )，即產生一個稀疏模型，可以用于特征選擇；

L2 正則化是指權值向量 w 中各個元素的平方和然后再求平方根，可以防止模型過擬合(overfitting)；一定程度上，L1 也可以防止過擬合。

Numpy函數介紹

np.linalg.norm(x, ord=None, axis=None, keepdims=False)

總結

以上是生活随笔為你收集整理的矩阵的二范数_Python Numpy中的范数的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。