范数-简介

本文介绍了机器学习中常见的范数类型,包括L0、L1、L2和最大范数,以及Frobenius范数。重点讲述了L0和L1范数在模型稀疏化、防止过拟合和特征选择上的作用,并对比了L0求解的难度与L1的优化优势。此外,还提及了L2范数如何改善矩阵求逆的稳定性并加速训练过程。
摘要由CSDN通过智能技术生成

  范数是机器学习算法领域最常见的概念之一,所有机器学习从业者都必须了解。然而,范数的不同形式很容易使初学者迷惑,以下是我在学习过程中做的个人笔记,分享给大家,欢迎批评指正!【欢迎转载,但请指明出处】

1.定义

  范数是将向量映射到非负值的函数。


  • L0范数||W||0:向量中非0元素的个数。“L0范数”这种说法严格来说是不对的,因为它的值是固定的,不能像正常的范数一样可以缩放。
  • L1范数||W||1:向量中各元素绝对值之和
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值