闵可夫斯基范数

闵可夫斯基范数是一种计算向量长度的方法，它是将向量中每个元素的绝对值的p次方加起来，然后求出p次方根。换句话说，对于一个n维向量x=(x1,x2,...,xn)，它的p阶闵可夫斯基范数表示为：

||x||p = (|x1|^p + |x2|^p + ... + |xn|^p)^(1/p)

其中p是一个正整数，也被称为范数的阶数。当p=1时，闵可夫斯基范数等价于曼哈顿距离；当p=2时，等价于欧几里得距离；当p趋近于无穷大时，等价于向量中绝对值最大的元素，也被称为切比雪夫距离。

闵可夫斯基范数在机器学习中广泛应用于距离度量、聚类、分类等领域。