벡터 Norm과 Inner Product 정리 | 벡터 크기와 방향 유사도를 계산하는 방법

벡터를 다룰 때 가장 많이 사용하는 개념이 Norm과 Inner Product(내적)이다.Norm은 벡터의 크기를 계산하는 방법이고, Inner Product는 두 벡터가 얼마나 같은 방향을 바라보는지를 계산하는 연산이다. 머신러닝에서는 거리 계산, 유사도 계산, 추천 시스템, word embedding 같은 거의 모든 벡터 기반 모델에서 계속 등장한다.Norm이란Norm은 벡터의 크기(length)를 정의하는 방식이다.가장 익숙한 것은 유클리드 거리 기반의 L2 Norm이다.||x||₂ = √(x₁² + x₂² + ... + xₙ²)예를 들어:x = (3, 4)라면:||x||₂ = √(3² + 4²) = 5즉, 우리가 중학교·고등학교에서 배운 피타고라스 거리와 같은 개념이다.자료에서도 L2 norm은 ..