Модуль числа: абсолютное значение
Модуль числа 📏
Представь: ты тренируешь модель, она предсказала цену квартиры 5 000 000 рублей, а реальная цена — 5 200 000. Ошибка: −200 000 рублей. Другое предсказание: 5 400 000, ошибка: +200 000 рублей.
Вопрос: какое предсказание хуже? Ни одно! Оба промахнулись ровно на 200 000. Но если просто сложить ошибки, получишь ноль — и будет казаться, что модель идеальна. Это катастрофа.
Вот зачем нужен модуль. Он берёт число и делает его положительным — потому что нам важна величина ошибки, а не её знак. Именно на этой идее построена одна из самых популярных метрик в ML — MAE (Mean Absolute Error).
В этом уроке ты разберёшь модуль от самых азов до решения сложных уравнений и неравенств. Никакой магии — только логика.
🎯 Ты узнаешь: - Что такое модуль и почему он всегда положительный - Как раскрывать модуль в уравнениях и неравенствах - Как работать с вложенными модулями - Где модуль живёт в ML: MAE, L1-регуляризация, метрики расстояния
Блок 1: Что такое модуль
Простыми словами
Представь числовую ось. Ты стоишь в точке 0. Модуль числа — это расстояние от нуля до этого числа.
←————————————————|————————————————→
-5 -4 -3 -2 -1 0 1 2 3 4 5
|−3| = 3 (расстояние от 0 до −3 равно 3)
|+3| = 3 (расстояние от 0 до +3 равно 3)
Расстояние не бывает отрицательным. Именно поэтому модуль всегда ≥ 0.
Строгое определение
Определение: Модуль числа $a$ — это: $$|a| = \begin{cases} a, & \text{если } a \geq 0 \ -a, & \text{если } a < 0 \end{cases}$$
Читай так: если число положительное или ноль — оставляем как есть. Если отрицательное — меняем знак (умножаем на −1).
Обозначения: - $|a|$ — модуль числа $a$ - Вертикальные палочки вокруг числа или выражения
Примеры с подробным разбором
Пример 1 (простой): Вычисли |−7|
Шаг 1: Смотрим на число внутри. −7 — отрицательное.
Шаг 2: По определению, если внутри отрицательное — меняем знак:
|−7| = −(−7) = 7
Ответ: 7
Пример 2 (простой): Вычисли |0|
Ноль не отрицательный, поэтому оставляем как есть:
|0| = 0
Ответ: 0
Пример 3 (средний): Вычисли |3 − 8|
Шаг 1: Сначала считаем выражение внутри модуля:
3 − 8 = −5
Шаг 2: Теперь берём модуль:
|−5| = 5
Ответ: 5
Пример 4 (средний): Сравни |−12| и |5|
|−12| = 12
|5| = 5
12 > 5
Ответ: |−12| > |5|
Пример 5 (ML-контекст): MAE для трёх предсказаний
Реальные значения: [100, 200, 150] Предсказания модели: [90, 220, 140]
Ошибки:
90 − 100 = −10 → |−10| = 10
220 − 200 = 20 → |20| = 20
140 − 150 = −10 → |−10| = 10
MAE = (10 + 20 + 10) / 3 = 13.3
Именно так работает MAE в scikit-learn. Без модуля отрицательные ошибки компенсировали бы положительные.
Почему это важно
Модуль — фундамент для: - MAE (Mean Absolute Error) — метрика качества регрессии - L1-регуляризация (Lasso) — штрафует модель за большие веса: $\lambda \sum |w_i|$ - Манхэттенское расстояние — альтернатива евклидовому в кластеризации - Любых задач где важна величина, а не знак
Блок 2: Свойства модуля
Основные свойства
Свойство 1: $|a| \geq 0$ для любого $a$
Свойство 2: $|a| = 0 \Leftrightarrow a = 0$
Свойство 3: $|a \cdot b| = |a| \cdot |b|$
Свойство 4: $\left|\frac{a}{b}\right| = \frac{|a|}{|b|}, \quad b \neq 0$
Свойство 5: $|a + b| \leq |a| + |b|$ (неравенство треугольника)
Разбор свойства 3
Пример: Вычисли |−3 · 4|
Способ 1 — сначала перемножить, потом взять модуль:
|−3 · 4| = |−12| = 12
Способ 2 — по свойству 3:
|−3| · |4| = 3 · 4 = 12
Оба дают одно и то же. ✅
Неравенство треугольника в ML
В пространстве эмбеддингов (векторных представлений слов или картинок) это неравенство гарантирует: расстояние от A до C не превышает сумму расстояний A→B и B→C. Без этого метрики расстояния теряли бы смысл.
Блок 3: Уравнения с модулем
Главная идея
Когда мы видим $|f(x)| = c$, это означает: выражение $f(x)$ равно либо $c$, либо $-c$.
Правило: $|f(x)| = c \Rightarrow f(x) = c \quad \text{или} \quad f(x) = -c$
(при условии $c \geq 0$, иначе решений нет)
Примеры
Пример 1 (простой): Реши |x| = 5
По правилу:
x = 5 или x = −5
Ответ: x = 5 или x = −5
Пример 2 (средний): Реши |x − 3| = 7
По правилу:
x − 3 = 7 или x − 3 = −7
x = 10 или x = −4
Проверка:
|10 − 3| = |7| = 7 ✅
|−4 − 3| = |−7| = 7 ✅
Ответ: x = 10 или x = −4
Пример 3 (средний): Реши |2x + 1| = 9
2x + 1 = 9 или 2x + 1 = −9
2x = 8 или 2x = −10
x = 4 или x = −5
Ответ: x = 4 или x = −5
Пример 4 (сложный): Реши |x − 2| = |2x − 1|
Когда два модуля равны, возможны два случая:
Случай 1: выражения равны между собой:
x − 2 = 2x − 1
−x = 1
x = −1
Случай 2: выражения противоположны:
x − 2 = −(2x − 1)
x − 2 = −2x + 1
3x = 3
x = 1
Проверка:
x = −1: |−1 − 2| = |−3| = 3; |2(−1) − 1| = |−3| = 3 ✅
x = 1: |1 − 2| = |−1| = 1; |2(1) − 1| = |1| = 1 ✅
Ответ: x = −1 или x = 1
Пример 5 (сложный — вложенный модуль): Реши ||x − 1| − 3| = 2
Раскрываем внешний модуль:
|x − 1| − 3 = 2 или |x − 1| − 3 = −2
|x − 1| = 5 или |x − 1| = 1
Теперь раскрываем каждый:
x − 1 = 5 → x = 6
x − 1 = −5 → x = −4
x − 1 = 1 → x = 2
x − 1 = −1 → x = 0
Ответ: x ∈ {−4, 0, 2, 6}
Блок 4: Неравенства с модулем
Два главных правила
Правило 1 (меньше): $|f(x)| < c \Rightarrow -c < f(x) < c$
Правило 2 (больше): $|f(x)| > c \Rightarrow f(x) < -c \quad \text{или} \quad f(x) > c$
Интуиция: - $|x| < 3$ — расстояние от нуля меньше 3 — это промежуток между −3 и 3 - $|x| > 3$ — расстояние от нуля больше 3 — это всё, что за пределами [−3, 3]
Примеры
Пример 1: Реши |x − 2| < 5
По правилу 1:
−5 < x − 2 < 5
Прибавляем 2 ко всем частям:
−3 < x < 7
Ответ: x ∈ (−3; 7)
Пример 2: Реши |2x + 1| ≥ 3
По правилу 2:
2x + 1 ≤ −3 или 2x + 1 ≥ 3
2x ≤ −4 или 2x ≥ 2
x ≤ −2 или x ≥ 1
Ответ: x ∈ (−∞; −2] ∪ [1; +∞)
Пример 3 (ML): Допустимая зона ошибки
Модель считается приемлемой, если её ошибка на каждом объекте не превышает 0.5:
|y_pred − y_true| ≤ 0.5
Это классический threshold в задачах классификации с мягкими границами.
Блок 5: Геометрический смысл
Расстояние между точками
$|a − b|$ — расстояние между точками $a$ и $b$ на числовой оси.
←——[b=2]————————[a=7]——→
|7 − 2| = 5
В ML: расстояние между двумя значениями в одномерном пространстве признаков.
Манхэттенское расстояние
В многомерном случае: $$d(x, y) = \sum_{i=1}^{n} |x_i - y_i|$$
Это L1-норма. Используется в кластеризации, когда данные имеют много выбросов (более устойчива к ним, чем евклидово расстояние).
Практика: 30 заданий
Базовые (1–10)
Задание 1: Вычисли |−15|
Задание 2: Вычисли |7 − 12|
Задание 3: Вычисли |−3| + |−8|
Задание 4: Вычисли |−4| · |5|
Задание 5: Сравни |−9| и |6|
Задание 6: Реши |x| = 11
Задание 7: Реши |x| = 0
Задание 8: Реши |x| = −3
Задание 9: Реши |x − 5| = 3
Задание 10: Вычисли |2² − 3²|
Средние (11–20)
Задание 11: Реши |3x − 6| = 9
Задание 12: Реши |x + 4| < 6
Задание 13: Реши |x − 1| > 4
Задание 14: Реши |2x − 3| ≤ 7
Задание 15: Реши |x + 2| + |x − 2| = 8 (подсказка: рассмотри случаи)
Задание 16: Реши ||x| − 2| = 3
Задание 17: Реши |x² − 4| = 0
Задание 18: Найди все x, при которых |x − 3| = |x + 1|
Задание 19: Реши |3x + 1| ≥ 5
Задание 20 (ML): Предсказания модели: [2.1, 3.8, 5.0]. Реальные значения: [2.5, 3.5, 4.0]. Найди MAE.
Продвинутые (21–30)
Задание 21: Реши ||x − 2| − 3| = 1
Задание 22: Реши |x² − 5x + 4| = 2
Задание 23: Реши |x − 1| + |x + 1| < 4
Задание 24: Докажи что |a + b| ≤ |a| + |b| на примере a = −3, b = 5
Задание 25: Найди все целые x: |2x − 5| ≤ 3
Задание 26: Реши систему: |x| + |y| = 5, x + y = 3
Задание 27 (ML): L1-регуляризация штрафует: $L = MSE + \lambda \sum |w_i|$. При λ = 0.1 и весах w = [2, −3, 1, −0.5], MSE = 0.8. Найди L.
Задание 28: Реши |x + 3| > |x − 1|
Задание 29: Найди минимум выражения |x − 1| + |x − 5|
Задание 30 (ML): Манхэттенское расстояние между векторами эмбеддингов a = [1, −2, 3] и b = [4, 1, −1]. Найди d(a, b).
Частые ошибки
❌ Ошибка 1: Забывают про второй случай Неправильно: |x − 2| = 5 → x = 7 Правильно: x = 7 или x = −3 Почему важно: теряется половина решений
❌ Ошибка 2: Раскрывают |a + b| как |a| + |b| Неправильно: |3 + (−5)| = |3| + |−5| = 8 Правильно: |3 + (−5)| = |−2| = 2 Почему важно: неравенство треугольника — это ≤, не равенство
❌ Ошибка 3: Неправильно раскрывают модуль в уравнениях с переменной Неправильно: |x − 3| = x − 3 (всегда) Правильно: зависит от знака (x − 3) — нужно рассматривать случаи
❌ Ошибка 4: Забывают проверить условие c ≥ 0 в уравнении |f(x)| = c |x + 1| = −4 → “решаем”… Правильно: сразу говорим “решений нет”, так как модуль ≥ 0
❌ Ошибка 5: Неверно раскрывают вложенный модуль Неправильно: раскрывают внутренний раньше внешнего Правильно: всегда начинаем с внешнего модуля, двигаемся внутрь
Главное запомнить
✅ Модуль — это расстояние: всегда ≥ 0, никогда отрицательным быть не может
✅ Определение через знак: положительное → оставляем; отрицательное → меняем знак
✅ Уравнение |f(x)| = c: распадается на два случая: f(x) = c или f(x) = −c
✅ Неравенство |f(x)| < c: двойное неравенство −c < f(x) < c
✅ Неравенство |f(x)| > c: два промежутка f(x) < −c или f(x) > c
✅ Вложенный модуль: раскрываем снаружи внутрь
✅ Два модуля равны: два случая — равны или противоположны
✅ Свойство произведения: |a·b| = |a|·|b|
✅ Неравенство треугольника: |a+b| ≤ |a| + |b|
✅ В ML: MAE, L1-регуляризация, манхэттенское расстояние — всё это модуль
Связь с другими темами
Что нужно знать до этого урока: - Числовая ось и отрицательные числа — именно на них строится понятие расстояния - Линейные уравнения — потому что после снятия модуля получаем их
Что изучить дальше: - Неравенства — модуль там встречается постоянно - Корни — аналогичная идея: всегда берём неотрицательное значение - Нормы векторов — обобщение модуля на многомерное пространство (L1, L2, Lp)
В ML: - 🤖 Функции потерь: MAE = среднее |y_pred − y_true| - 🤖 L1-регуляризация: добавляет $\lambda \sum |w_i|$ к loss — делает веса разреженными (Lasso) - 📊 Метрики: манхэттенское расстояние в KNN, кластеризации - 🔬 Робастность: L1 менее чувствительна к выбросам, чем L2
Интересные факты
💡 MAE vs MSE: Среднеквадратичная ошибка (MSE) штрафует крупные ошибки сильнее из-за квадрата. MAE обращается с каждой ошибкой одинаково. Поэтому MAE устойчивее к выбросам в данных.
💡 Lasso vs Ridge: L1-регуляризация (Lasso) обнуляет некоторые веса полностью, автоматически отбирая признаки. L2-регуляризация (Ridge) лишь уменьшает веса. Причина — форма областей: у L1 они угловатые, у L2 — круглые.
💡 История: Понятие абсолютного значения явно ввёл немецкий математик Карл Вейерштрасс в XIX веке. До этого математики интуитивно использовали идею, но без чёткого определения.
Лайфхаки и трюки
1. Быстрая проверка уравнения с модулем После нахождения ответов всегда подставляй обратно — модульные уравнения любят давать посторонние корни.
2. Геометрия помогает |x − a| < r — это интервал (a − r; a + r). Думай о точке a и радиусе r.
3. Критические точки при сумме модулей Когда несколько модулей — ищи точки где каждый обращается в ноль, они делят ось на части.
4. Минимум суммы двух модулей |x − a| + |x − b| ≥ |a − b|. Минимум равен |a − b| и достигается при x ∈ [a; b].
5. В ML: нормализация через L1 $\hat{x} = x / |x|_1$ где $|x|_1 = \sum |x_i|$. Используется когда важны пропорции, а не масштаб.
💡 Совет: Модуль кажется простым, но именно здесь начинается умение думать по случаям. Это навык — он прокачивается с практикой. Реши все 30 заданий сам, не подглядывая.
Следующий урок: Неравенства →