在刚入门机器学习中的低秩,稀疏模型时,被各种范数搅得一团糟,严重延缓了学习进度,经过一段时间的学习,现在将其完整的总结一下,希望遇到同样麻烦的同学能有所帮助。。。
一、向量的范数
首先定义一个向量为:a=[-5,6,8, -10]
1.1 向量的1范数
向量的1范数即:向量的各个元素的绝对值之和,上述向量a的1范数结果就是:29,MATLAB代码实现为:norm(a,1);
1.2 向量的2范数
向量的2范数即:向量的每个元素的平方和再开平方根,上述a的2范数结果就是:15,MATLAB代码实现为:norm(a,2);
1.3 向量的无穷范数
1.向量的负无穷范数即:向量的所有元素的绝对值中最小的:上述向量a的负无穷范数结果就是:5,MATLAB代码实现为:norm(a,-inf);
2..向量的正无穷范数即:向量的所有元素的绝对值中最大的:上述向量a的负无穷范数结果就是:10,MATLAB代码实现为:norm(a,inf);
二、矩阵的范数
首先我们将介绍数学中矩阵的范数的情况,也就是无论哪个学科都统一的一种规定。。。
例如矩阵A = [ -1 2 -3;
4 -6 6]
2.1 矩阵的1范数
矩阵的1范数即:矩阵的每一列上的元素绝对值先求和