Chế độ chuẩn hóa Scikit-learn (L1 so với L2 & Max)

Tôi đã tự hỏi nếu có ai ở đây có thể giải thích sự khác biệt giữa chế độ chuẩn hóa l1, l2 và max trong mô-đun sklearn.pre Processing.n normalize ()? Đọc xong tài liệu tôi không thể nhận ra sự khác biệt!

Các tùy chọn dẫn đến bình thường hóa khác nhau. if $x$ là vectơ đồng biến có độ dài $n$ và nói rằng vectơ chuẩn hóa là $y = x / z$ thì ba tùy chọn biểu thị những gì sẽ sử dụng cho $z$ :

• $z = \| x\|_1 = \sum_{i=1}^n |x_i|$
• L2: $z = \| x\|_2 = \sqrt{\sum_{i=1}^n x_i^2}$
• Tối đa: $z = \max x_i$

Lưu ý rằng việc sử dụng Max không lấy giá trị tuyệt đối trước, vì vậy nó không bằng định mức .$l_\infty$

( mã nguồn )