在Python中，norm函數用于計算向量的范數。范數是一個數學概念，用于衡量向量的大小或長度。在機器學習和數據分析中，常用的范數有L1范數、L2范數和無窮范數。
具體而言，norm函數可以計算一個向量的L1范數、L2范數和無窮范數。L1范數是向量元素絕對值之和，L2范數是向量元素平方和的平方根，無窮范數是向量元素絕對值的最大值。norm函數的具體用法如下：
import numpy as np
# 計算向量的L1范數
v = np.array([1, -2, 3])
l1_norm = np.linalg.norm(v, ord=1)
print(l1_norm) # 輸出6.0
# 計算向量的L2范數
v = np.array([1, -2, 3])
l2_norm = np.linalg.norm(v, ord=2)
print(l2_norm) # 輸出3.7416573867739413
# 計算向量的無窮范數
v = np.array([1, -2, 3])
inf_norm = np.linalg.norm(v, ord=np.inf)
print(inf_norm) # 輸出3.0
在機器學習中，范數常用于正則化（regularization）處理，可以用來控制模型的復雜度，防止過擬合。
