残差范数是什么?

残差范数是衡量模型预测误差大小的指标，计算方法是真实值与预测值差的绝对值或平方和。比如回归问题中，残差范数越小，说明模型拟合效果越好。常见的有L1范数（绝对值和）和L2范数（平方和开方），数值越小误差越小。

残差范数在机器学习中很实用，帮助优化模型参数。训练时通过最小化残差范数来提升精度，比如线性回归、神经网络都会用到这个概念。实际应用中，残差范数可以直观显示模型表现，数值高说明偏差大，需要调整算法或数据。