范数(norm)

它是衡量一个向量的大小的函数,(即将向量映射到非负的函数)

• L1范数

• L2范数

L1,L2,Lq的范数

上图中，可以明显看到一个趋势，即q越小，曲线越贴近坐标轴，q越大，曲线越远离坐标轴，并且棱角越明显。那么 q=0 和 q=oo 时极限情况如何呢？猜猜看。 聪明的你猜对了吧，答案就是十字架和正方形。也许你又开始有问题了，既然L0是十字架，为什么不用L0作为正则项？

详细：https://mp.weixin.qq.com/s?__biz=MzUyMjE2MTE0Mw==∣=2247484184&idx=1&sn=9992adcad4a1421431b8c39bad2997b6&chksm=f9d15d80cea6d496644ec75b32639acace5befc83c28c3400971303ee156eef60cacc7beaec9&mpshare=1&scene=24&srcid=10246cHZ66qbldgreJdIP7Le&key=2c45ecf06f18bece4117787ed04cdc93812c282083654c863a0c825218617591f6a2b735e02bc3cd883b24ebd5b02ff8d78e258cfedf715219f7e699b6874c31421c3c186ba3e3ad414f95c40b33cae5&ascene=0&uin=MTQyNDMwNjIyMA%3D%3D&devicetype=iMac+MacBookPro13%2C2+OSX+OSX+10.12.6+build(16G29)&version=12020710&nettype=WIFI&fontScale=100&pass_ticket=mwGZcDyN0rP%2BXIPnIVBDBpYQ9AF3MtOzxZJz3pk%2BBjkP32vjMnLM5ClzMOwvnY2Q

ML中的L1,L2

http://m.blog.csdn.net/jinping_shi/article/details/52433975

http://blog.csdn.net/zouxy09/article/details/24971995 讲述得很好,引申到一些哲学层面

还有《深度学习》有介绍