本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# L p-規範 (LP)
<a name="clarify-data-bias-metric-lp-norm"></a>

L p-範數 (LP) 衡量訓練資料集中觀察標籤的構面分布間的 p-範數距離。此指標為非負數，因此無法偵測到反向偏差。

L p-規範的公式如下：

        Lp(Pa, Pd) = ( ∑y\|\|Pa - Pd\|\|p)1/p

其中點 x 和 y 之間的 p-範數距離定義如下：

        Lp(x, y) = (\|x1-y1\|p \+ \|x2-y2\|p \+ … \+\|xn-yn\|p)1/p 

2-範數是歐氏範數。假設您在大學招生多範疇案例中有三個類別的結果分布，例如，y i = {y0, y1, y2} = {接受、等候清單、拒絕}。您需要平構面 *a 和 *d* 的結果計數之間的散度的平方*。產生的歐氏距離運算方式如下所示：

        L2(Pa, Pd) = [(na(0) - nd(0))2 \+ (na(1) - nd(1))2 \+ (na(2) - nd(2))2]1/2

其中：
+ na(i) 是構面 *a* 中第 i 個類別結果的數目：例如 n a(0) 是構面 *a* 的接受數目。
+ nd(i) 是構面 *d* 中第 i 個類別結果的數目：例如 nd(2) 是構面 *d* 的拒絕數目。

  二進位、多類別和連續性結果的 LP 值範圍為 [0, √2)，其中：
  + 接近零的值表示標籤的分布類似。
  + 正值表示標籤分布發散，正值越大發散越大。