L2 Distance

释义 Definition

L2 distance（L2 距离）通常指“欧几里得距离”（Euclidean distance），是一种衡量两个向量/点在空间中相距多远的度量方式。在机器学习中常用于比较特征向量的差异、计算相似度（距离越小通常越相似）。
常见公式：\(\|x-y\|_2=\sqrt{\sum_i (x_i-y_i)^2}\)。
（注：在一些语境里也会提到 squared L2 distance，即不开平方的平方距离。）

发音 Pronunciation

/ˌɛl ˈtuː ˈdɪstəns/

例句 Examples

The L2 distance between these two points is 5.
这两个点之间的 L2 距离是 5。

In high-dimensional embedding spaces, minimizing L2 distance often helps group similar items, but it can be sensitive to feature scaling.
在高维嵌入空间中，最小化 L2 距离常用于把相似项目聚在一起，但它可能对特征尺度（缩放）很敏感。

词源 Etymology

L2里的 “2”来自数学中的 \(L^p\) 范数（Lp norm）记号：当 \(p=2\) 时就是 L2 范数，对应我们熟悉的“平方和再开方”。“distance（距离）”表示把这种范数用于衡量两个点/向量的差异，于是形成 L2 distance 这一术语。在统计学、数值计算与机器学习中非常常见。

相关词 Related Words

• Euclidean
• Norm
• Magnitude
• Metric
• Similarity
• Cosine
• Manhattan
• Kernel

文学与名著用例 Literary Works

• Christopher M. Bishop, Pattern Recognition and Machine Learning（模式识别与机器学习）：在距离度量、最近邻方法与高斯模型等章节中常以欧几里得距离/L2 范数形式出现。
• Trevor Hastie, Robert Tibshirani, Jerome Friedman, The Elements of Statistical Learning（统计学习基础）：讨论正则化、几何直观与距离度量时频繁涉及 L2 范数与相关距离概念。
• Ian Goodfellow, Yoshua Bengio, Aaron Courville, Deep Learning（深度学习）：在表示学习、损失函数与向量空间度量的语境中会出现 L2 范数/欧氏距离的使用。