同样存在L0、L3等，L1、L2范数应用比较多。
一个向量的 norm 就是将该向量投影到 [0, ∞) 范围内的值，其中 0 值只有零向量的 norm 取到。不难想象，将其与现实中距离进行类比，在机器学习中 norm 也就总被拿来表示距离关系：根据怎样怎样的范数，这两个向量距离多远。这里怎样怎样的范数就是范数的种类，即p-norm，严格定义为：
当p取1时被称为1-norm，也就是L1-norm，同理可得L2-norm。
L1和L2范数定义即为：
L2展开就是欧几里得范数：
题外话，其中 L1-norm 又叫做 taxicab-norm 或者 Manhattan-norm，可能最早提出的大神直接用在曼哈顿区坐出租车来做比喻吧。下图中绿线是两个黑点的 L2 距离，而其他几根就是 taxicab 也就是 L1 距离，确实很像我们平时用地图时走的路线了。
L1 和 L2 范数在机器学习上最主要的应用大概分下面两类：
（1）作为损失函数使用
（2）作为正则项使用也即所谓 L1-regularization 和 L2-regularization
例如：（1）损失函数
在回归问题中
待解决的问题是，找出一条线，让数据点到线上的总距离（也就是error）最小。
因为范数可以表示距离，因此可以用能表示距离的L1-norm和L2-norm作为损失函数，度量预测值与实际目标之间的距离，最小化损失相当于在最小化预测值与实际值之间的距离。
- L1-norm损失函数，又称为最小绝对偏差 (least absolute deviation,LAD)。
最小化损失函数，其实就是最小化预测值和目标值的绝对值。
- L2-norm损失函数，又称为最小二乘误差（least squares error, LSE）。
一般选择L2做损失函数，不用L1的原因：
联想一个数学问题，利用微积分求一个方程的最小值，一般步骤为：求导、置零、解方程。但如果给出一个绝对值的方程，求最小值就有点麻烦了，因为绝对值的倒数是不连续的。
在L1和L2做损失函数的选择中，也会遇到同样的问题，选择L2的原因就是：计算方便，可以直接求导获得取最小值时各个参数的取值。
此外还有一点，用L2一定只有一条最好的预测线，L1则因为其性质可能存在多个最优解。
L1也有优点，那就是鲁棒性更强，对异常值更不敏感。
（2）正则项
对于实验过程中出现的过拟合问题，正则化可以防止过拟合。从数学角度，就是在损失函数中加个正则项，防止参数过度拟合。
L1-regularization 和 L2-regularization 都是常用的正则项，公式如下：
这两个正则项主要有两点不同：
- L2可以让参数衰减，防止模型过拟合。
- L1可以产生稀疏权值矩阵，即产生一个稀疏模型，把不重要的特征直接置零，也就是特征自动选择，所以L1是一个天然的特征选择器，而L2则不会。
关于性质B，用直观的例子进行讲解。
我们常用梯度下降法优化网络，需要求导获得梯度，然后更新参数。
分别先对 L1 正则项和 L2 正则项来进行求导。
（Sign()符号函数：在数学和计算机运算中，其功能是取某个数的符号（正或负）： 当x>0，sign(x)=1;当x=0，sign(x)=0; 当x<0， sign(x)=-1。）
将L1和L2和导数画在图上。
发现，在梯度更新时，不管 L1 的大小是多少（只要不是0）梯度都是1或者-1，所以每次更新时，它都是稳步向0前进。
而看 L2 的话，就会发现它的梯度会越靠近0，就变得越小。
总结：L1 防止模型过拟合的方式是产生稀疏解，实际上是减少特征数量。而 L2 是减小模型参数，尽管都能简化模型，但是一般来说 L2 模型的抗过拟合的能力更好一点。并且进一步说，L1 是假定参数符合拉普拉斯分布，L2 是假定参数符合高斯分布。
资料收集于网络资源。
