{"resolved":true,"match_type":"uuid","source_type":"original_book","book_id":"cf76bc49-7e9b-4f42-bee8-3050a9fb9feb","title":"智慧的疆界 从图灵机到人工智能","author":null,"edition":null,"publisher":null,"year":null,"isbn":"9787111778004","requested_by":"printed_page","book":{"source_type":"original_book","book_id":"cf76bc49-7e9b-4f42-bee8-3050a9fb9feb","id":"cf76bc49-7e9b-4f42-bee8-3050a9fb9feb","uuid":"cf76bc49-7e9b-4f42-bee8-3050a9fb9feb","title":"智慧的疆界 从图灵机到人工智能","normalized_title":"智慧的疆界从图灵机到人工智能","author":null,"edition":null,"publisher":null,"year":null,"isbn":"9787111778004","isbns":["9787111778004","9787111695714"],"parsed":true,"ai_readable":true,"document_type":"book","page_count":456,"navigation_url":"https://workshop.closeclaw.top/ai/book/cf76bc49-7e9b-4f42-bee8-3050a9fb9feb","title_url":"https://workshop.closeclaw.top/ai/title/%E6%99%BA%E6%85%A7%E7%9A%84%E7%96%86%E7%95%8C%20%E4%BB%8E%E5%9B%BE%E7%81%B5%E6%9C%BA%E5%88%B0%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD","fixed_page_url_template":"https://workshop.closeclaw.top/ai/book/cf76bc49-7e9b-4f42-bee8-3050a9fb9feb/page/{printed_page}","path_api_url_template":"https://workshop.closeclaw.top/api/ai/book/cf76bc49-7e9b-4f42-bee8-3050a9fb9feb/page/{printed_page}","read_url":"https://workshop.closeclaw.top/api/ai/read/cf76bc49-7e9b-4f42-bee8-3050a9fb9feb","page_url":"https://workshop.closeclaw.top/api/ai/books/cf76bc49-7e9b-4f42-bee8-3050a9fb9feb/page","search_url":"https://workshop.closeclaw.top/api/ai/books/cf76bc49-7e9b-4f42-bee8-3050a9fb9feb/search"},"page":{"printed_page":215,"pdf_page":230,"physical_index":230,"physical_index_base":0,"printed_page_status":"recognized","page_sha256":"376cbf290063b28a0ab3106752d207b4217b4f59eddd3cfdb429db4796c0caf0"},"chapter":"内容简介","content":"$\\mathrm { L } _ { 0 }$ 范数、 $\\mathrm { L } _ { 1 }$ 范数、 $\\mathrm { L } _ { 2 }$ 范数、迹范数、Frobenius 范数和核范数等不同类型的范数，都是数学和人工智能领域可能用到的，其中的三个“ $p$ 范数”特例，即 $\\mathrm { L } _ { 0 }$ 范数、 $\\mathrm { L } _ { 1 }$ 范数和 $\\mathrm { L } _ { 2 }$ 范数在机器学习领域最为常用，笔者以这三个范数来介绍罚函数的内容。\n\n$\\mathrm { L } _ { 0 }$ 范数、 $\\mathrm { L } _ { 1 }$ 范数和 $\\mathrm { L } _ { 2 }$ 范数都是派生自“ $p$ 范数”的特例，为了稍后解释“正则化为什么能做特征选择”这个问题时有必要的知识储备，这里我们从几何意义的角度去了解 $p$ 范数的含义： $p$ 范数的本质也是长度的度量，对于不同 $p$ 取值的 $p$ 范数，其几何含义可理解为描绘该取值下空间中单位球（UnitBall，表示在空间中半径为 1 个单位的球面）的形状。最符合初等数学的直观认知是 $p$ 取值为 2 时的情况，此时在二维平面上单位球是一个圆形，在三维空间上单位球是一个正球体，更高维度也是类似的，单位球都是到原点距离为一个单位的点的全集， $p$ 等于 2 时的距离称为欧氏距离。在p 为其他值时单位球的变化如图 6-23 所示，请读者特别记住 $p$ 取值为 1 和 2 的单位球形状：菱形和圆形。\n\n除了最符合我们日常空间几何概念的 $p = 2$ 表达的欧氏距离之外，还有$p = 0$ 时表达的是汉明距离， $p = 1$ 时表达的是曼哈顿距离等。尽管这些特殊距离都有各自的意义，但是 $p$ 范数的公式是统一而简洁的，如下所示：\n\n$$\n\\begin{array} { r l } { \\| x \\| _ { p } } & { { } ( | x _ { 1 } | ^ { p } + | x _ { 2 } | ^ { p } + \\dotsb + | x _ { n } | ^ { p } ) ^ { 1 / p } } \\end{array}\n$$\n\n式中“ || ||”是范数符号。 $\\mathrm { L } _ { 0 }$ 范数、 $\\mathrm { L } _ { 1 }$ 范数和 $\\mathrm { L } _ { 2 }$ 范数就是 $p$ 范数在 $p$ 取值\n\n第 6 章 机器学习概览\n\n215","previous_page":214,"next_page":216}