在Python中，norm函数用于计算向量的范数。范数是一个数学概念，用于衡量向量的大小或长度。在机器学习和数据分析中，常用的范数有L1范数、L2范数和无穷范数。
具体而言，norm函数可以计算一个向量的L1范数、L2范数和无穷范数。L1范数是向量元素绝对值之和，L2范数是向量元素平方和的平方根，无穷范数是向量元素绝对值的最大值。norm函数的具体用法如下：
import numpy as np
# 计算向量的L1范数
v = np.array([1, -2, 3])
l1_norm = np.linalg.norm(v, ord=1)
print(l1_norm) # 输出6.0
# 计算向量的L2范数
v = np.array([1, -2, 3])
l2_norm = np.linalg.norm(v, ord=2)
print(l2_norm) # 输出3.7416573867739413
# 计算向量的无穷范数
v = np.array([1, -2, 3])
inf_norm = np.linalg.norm(v, ord=np.inf)
print(inf_norm) # 输出3.0
在机器学习中，范数常用于正则化（regularization）处理，可以用来控制模型的复杂度，防止过拟合。