范数
在机器学习中经常使用范数来衡量一个向量的大小,定义如下:
其中 p∈R,p≥1 ,对于任何的函数 f ,满足:
(1)
(2) f(x+y)≤f(x)+f(y)
(3) ∀α∈R,f(αx)=∣α∣f(x)
p=1表示L1范数,p=2为 L2 范数,也叫欧拉范数, ||x||∞=max|xi| ,为无穷范数,取矩阵一行中的最大绝对值。
有时候需要衡量一个矩阵的大小,可以使用Frobenius 矩阵。定义如下:
未完待续
范数
在机器学习中经常使用范数来衡量一个向量的大小,定义如下:
其中 p∈R,p≥1 ,对于任何的函数 f ,满足:
(1)
(2) f(x+y)≤f(x)+f(y)
(3) ∀α∈R,f(αx)=∣α∣f(x)
p=1表示L1范数,p=2为 L2 范数,也叫欧拉范数, ||x||∞=max|xi| ,为无穷范数,取矩阵一行中的最大绝对值。
有时候需要衡量一个矩阵的大小,可以使用Frobenius 矩阵。定义如下:
未完待续