Modo de normalização Scikit-learn (L1 vs L2 e Max)

Eu queria saber se alguém aqui pode explicar a diferença entre o modo de normalização l1, l2 e max no módulo sklearn.preprocessing.normalize ()? Depois de ler a documentação , não percebi a diferença!

As opções levam a diferentes normalizações. se é o vetor de covariáveis ​​de comprimento e diz que o vetor normalizado é , as três opções indicam o que usar para :$x$$n$$y = x / z$$z$

• L1:$z = \| x\|_1 = \sum_{i=1}^n |x_i|$
• L2: $z = \| x\|_2 = \sqrt{\sum_{i=1}^n x_i^2}$
• Máx: $z = \max x_i$

Observe que o uso de Max não leva valores absolutos primeiro, portanto, não é igual à norma $l_\infty$ .

( código fonte )