노름의 종류에 따라서 기하학적 성질은 원점에서부터의 거리로 정의되는 것이라 달라질 수 있다.
머신러닝에서 다양한 종류의 학습 방법이나 정규화 방법들을 사용할 때 이용한다 !
(기계학습에서 사용하는 목적에 따라 달라짐)
L1 NORM : Robust 학습, Lasso 회귀
L2 NORM : Laplace 근사, Ridge 회귀
L1, L2 NORM을 이용하여 두 벡터 사이의 거리를 계산 → 벡터의 뺼셈 이용
두 벡터 사이의 각도는 제2 코사인 법칙을 이용하여 계산
두 벡터들의 성분곱을 모두 더한 것 / np.inner 함수 사용
내적은 X벡터를 Y벡터에 정사영을 시킨 $Proj(x)= \Vert x {\Vert_2}cos\theta$ 에서 Y의 길이만큼 조정한 느낌 —> 머신 러닝에서 두 데이터, 패턴이 얼마나 유사한지 측정할 때 내적을 생각하자 !