范数汇总
2016年12月02日 20:49:45 秋水长天q 阅读数:1428 标签: 机器学习 更多
个人分类: 机器学习
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/Augster/article/details/53438531
范数,是具有长度概念的函数,在线性代数泛函分析中及相关的数学领域中是一个函数,其为向量空间内的所有向量赋予非零的正长度或大小。在平时的学习中,总是会出现范数的身影,本篇文章主要从向量的范数和矩阵的范数来说明。
1.范数满足的三个特性
1.非负性:,且||x||=0当且仅当x=0时候成立。
2.齐次性:||k.x||=|k|.||x||
3.三角不等式:
2.向量的范数
1-范数,向量的1范数为向量所有元素的绝对值之和:
2-范数,向量的2范数为向量元素的平方和开平方根,数值上等价于欧几里得距离:
p-范数,向量元素的P次方之和再开1/p次方:
正向无穷范数,向量元素中绝对值最大的值:
负向无穷范数,向量元素中绝对值最小的值:
3.矩阵的范数
定义大小为m*n的矩阵。
1-范数,矩阵的1范数是矩阵中列向量绝对值之和的最大值:
2-范数,矩阵的2范数是矩阵的最大特征值进行开平方:
F-范数,矩阵所有元素绝对值的平方和再开方:
21范数,矩阵每一行的2范数之和:
先看上面l21范数的定义,注意原始矩阵是n行t列的,根号下平方是对列求和,也就是说是在同一行中进行操作的,根号部分就相当于一个l2范数,由此可以看出l21范数实则为矩阵X每一行的l2范数之和。
在矩阵稀疏表示模型中,把它作为正则化项有什么作用呢?前面说到它是每一行的l2范数之和,在最小化问题中,只有每一行的l2范数都最小总问题才最小。而每一个行范数取得最小的含义是,当行内尽可能多的元素为0时,约束才可能取得最小。而行内尽可能地取0意思是说行稀疏!
综上可以这样解释,不同于l1范数(矩阵元素绝对值之和)的稀疏要求,l21范数还要求行稀疏!
(好像我今天给老师说成列稀疏了,虽然在我遇到的那个问题中行列稀疏差别不是太大。。。当然也有L12,关键是看具体如何定义的,我们将此类统称为结构化稀疏。以后别人问我问题我一定要尽可能和别人说清楚!!!)
--------------------- 本文来自 JianzhuWang 的CSDN 博客 ,全文地址请点击:https://blog.csdn.net/jzwong/article/details/50700361?utm_source=copy