哪一个L1标准是这样的sklearn.preprocessing.normalize考虑一下？

Question

在这个引用http://mathworld.wolfram.com/L1-Norm.html中，L1范数被计算为向量中的值之和。在

现在，在这个网站上，http://www.chioka.in/differences-between-the-l1-norm-and-the-l2-norm-least-absolute-deviations-and-least-squares/L1范数是通过求向量的每个值和向量平均值之间的差异来计算的。在

我的问题是：为什么对同一规范有如此不同的解释？哪一个是正确的？最重要的是，使用哪一个，以及使用时如何使用sklearn.preprocessing.normalize？在

Answer 1

这是两种不同的情况。第一个是指向量的范数，它是向量长度的量度。在

L1的第二个用法是指损失函数，用于衡量模型的性能。这里L1不是通过求向量的每个值和向量平均值之间的差来计算的。而是首先计算每个真值的绝对值及其相应的预测值，然后将它们相加。在这种情况下，向量本身就是真实值和预测值之间的差分向量。在