推 arrenwu : L2 norm 就是一般人心中的"距離"10/02 11:54
→ arrenwu : L1 norm 的話 Hamming Distance 是個不錯例子10/02 11:55
→ recorriendo : compressed sensing, sparse coding,... 隨便查就10/02 12:38
→ recorriendo : 一堆吧10/02 12:38
→ Pieteacher : Lasso regression, ridge regression, Bayes risk10/02 14:46
→ Pieteacher : Risk10/02 14:47
推 arrenwu : 或者說，這不就是一種定義而已嗎？10/02 14:47
推 LPH66 : Norm_1 的另一個名字「曼哈頓距離」聽過吧10/02 17:34
→ LPH66 : 這就是在方格狀的格子中從一點走到另一點的「距離」10/02 17:35
→ chocohouse : 原po手機掛掉了 我幫他回一下10/02 19:35
→ chocohouse : 像norm_1就是可以運用在計程車跳表計算距離；但norm10/02 19:35
→ chocohouse : _2算是得到最短距離但實際能用在哪？、norm_inf則可10/02 19:35
→ chocohouse : 以用來表示向量表示成本以及可以找出最貴的成本？10/02 19:35
→ chocohouse : 不知道這樣理解有什麼錯誤的地方嗎～10/02 19:35
※ 編輯: Raaay1916 (223.139.183.203 臺灣), 10/02/2022 19:38:04
推 znmkhxrw : 這些norm都算是距離, 要說最小norm_inf還比norm_2小 10/02 19:47
→ znmkhxrw : 也沒有說對錯的地方, 就只是選擇而已 10/02 19:47
→ znmkhxrw : 像是AI訓練影像模型, 經驗上norm_1影像會比較銳利 10/02 19:47
→ znmkhxrw : norm_2會比較柔和, 然後也可以用x^2跟|x|去解釋這個 10/02 19:48
→ znmkhxrw : 現象, 要舉例的話族繁不及備載... 10/02 19:48
推 wohtp : norm2你根本天天用好唄。不然你炫耀30cm或是40吋I c 10/04 20:23
→ wohtp : up的時候是在說什麼？ 10/04 20:23