在数学领域中，范数是一种衡量向量长度或大小的方式。它广泛应用于机器学习、数据科学和工程学等领域，用来评估模型的性能和优化算法。.norm() 函数可以用于计算不同类型的范数，比如 L1 和 L2 范数。这两种范数是正则化技术中最常用的两种方式，它们在优化过程中起到了重要的作用。
🔍 L1 范数（Manhattan Distance）：计算向量中所有元素绝对值的和。它对稀疏数据非常敏感，使得许多系数变为零，从而实现了特征选择的功能。它就像在城市中从一个点到另一个点，只能沿着街道走，不能斜穿。
🔍 L2 范数（Euclidean Distance）：计算向量中各元素平方和的平方根。它倾向于使系数均匀地接近于零，但不会完全为零。它更符合我们日常生活中对距离的理解，即两点之间的直线距离。
掌握这些基础知识可以帮助你更好地理解机器学习中的各种算法和原理。希望这篇文章对你有所帮助！🚀