벡터, L1 L2 norm
벡터
- 숫자의 배열(리스트)
- n차원 공간에서의 한 점
- 원점으로부터 상대적 위치
- 종류 1) 열벡터 - 세로로 긴 형태 2) 행벡터 - 자로로 긴 형태
- 스칼라곱 - 주어진 벡터 길이 변환
- 성분곱(Hadamard product) - 같은 크기의 벡터끼리 곱 연산
벡터의 덧셈, 뺄셈
뺄셈은 덧셈의 반대방향 이동
다른 벡터로부터 상대적 위치이동
벡터의 노름(norm)
원점으로부터의 거리
기계학습 목적에 따라 다르게 사용
중요!! - 임의의 차원 d에 대해 성립 (1차원, 2차원.. 아님)
1) L1 norm
변화량의 절대값 합
기하학적 성질 - 마름모꼴
예) Robust 학습, Lasso 회귀
abs_result = np.abs(x)
np.sum(abs_result)
2) L2 norm
피타고리스 정리를 이용해 유클리드 거리 계산
각도 계산 가능 - 제2코사인 법칙을 이용 ( L2에서만 가능 )
cos_th = np.inner(x,y) / (l2_norm(x) * l2_norm(y))
theta = np.arccos(cos_th)
np.inner⇒내적연산
기하학적 성질 - 원
예) Laplace 근사, Ridge 회귀
xx = x*x
x_sum = np.sum(xx)
np.sqrt(x_sum)
위의 과정을 np.linalg.norm 함수로 가능
내적
- 정사영된 벡터의 길이를 만큼 조정한 값
- 유사도 측정 시 사용
Author And Source
이 문제에 관하여(벡터, L1 L2 norm), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://velog.io/@bo-lim/벡터-L1-L2-norm저자 귀속: 원작자 정보가 원작자 URL에 포함되어 있으며 저작권은 원작자 소유입니다.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)