【机器学习·线性回归】损失函数中的内积和L2 norm
·
内积：⟨u,v⟩\langle \mathbf{u}, \mathbf{v} \rangle⟨u,v⟩
L2 norm：∣∣y−Xw−b∣∣|| \mathbf{y-Xw-b} ||∣∣y−Xw−b∣∣ 或 ∣∣y−Xw−b∣∣2|| \mathbf{y-Xw-b}||_2∣∣y−Xw−b∣∣2
在数学中，通常认为当p=2p=2p=2时，LpL_pLp范数表示的是欧几里得范数（也称为L2L_2L2范数），因为此时LpL_pLp范数的计算方法与欧几里得距离的计算方法相同。因此，在表示L2L_2L2范数时，通常会省略指数2，直接写作∣∣x∣∣|| \mathbf{x} ||∣∣x∣∣或者∣∣x∣∣2|| \mathbf{x}||_2∣∣x∣∣2。当p≠2p \neq 2p=2时，需要显式地指定LpL_pLp范数的指数。
魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。
更多推荐
0
0- 0
已为社区贡献2条内容
所有评论(0)