3.1 Norms전공 서적 읽기/Mathematics for Machine Learning2024. 10. 13. 01:53
Table of Contents
Norm
Norm이란 벡터의 크기를 나타낸다.
책에 쓰여진 정의를 읽어보자 ↓
vector space V에서의 norm(놈, 노름)은 다음과 같은 함수이다.
이 함수는 각 벡터 x에 대해 그 벡터의 길이 $\begin{Vmatrix}x\end{Vmatrix} \in R$를 할당하며, 모든 $\lambda \in R$와 $x,s \in V$에 대해 다음 조건들을 만족한다.
Manhattam Norm
- 1-norm, 혹은 L1-norm, 맨하탄 norm이라고 부른다.
- 단순히 벡터의 각 원소들의 크기(절댓값)의 합으로 정의된다.
- 예를 들어서 (1,2)라는 벡터가 있으면 x방향으로 +1, y방향으로 +2 => L1-norm은 3이 된다.
Euclidean Norm
- L2-norm 혹은 유클리드 norm)이라고 부른다.
- 직선거리를 생각하면 된다.
- 예를 들어서 (1,2)의 경우, 그 직선거리는 $\sqrt{1^2 + 2^2}$, $\sqrt{5}$가 된다.
반응형
'전공 서적 읽기 > Mathematics for Machine Learning' 카테고리의 다른 글
3.3 Lengths and Distances (0) | 2024.10.14 |
---|---|
3.2 Inner Products (0) | 2024.10.14 |
2.7 Linear Mappings (0) | 2024.10.13 |
2.6 Basis and Rank (0) | 2024.10.13 |
2.5 Linear Independence (0) | 2024.10.13 |
@쿠몬e :: ˚˛˚ * December☃ 。* 。˛˚
전공 공부 기록 📘
포스팅이 좋았다면 "좋아요❤️" 또는 "구독👍🏻" 해주세요!