定义
L0 范数(L0-Norm)
L0 范数并不是真正意义上的一个范数,因为它不满足范数的三角不等式性质,但它在数学优化和信号处理等领域有着实际的应用。L0 范数指的是向量中非零元素的个数。它通常用来度量向量的稀疏性。数学上表示为:
[ |x|_0 = \text{number of non-zero elements in } x ]
例如,向量 (x = [1, 0, 2, 0, 3]) 的 L0 范数是 3,因为该向量中有三个非零元素。
L1 范数(L1-Norm)
L1 范数也被称作曼哈顿距离或者稀疏规则算子(lasso regularization)。它是向量中所有元素的绝对值之和。L1 范数会偏向产生少量的特征,而其他的特征都是0,能够用于特征选择,常用于稀疏编码、压缩感知等领域。数学上表示为:
[ |x|1 = \sum{i=1}^{n} |x_i| ]
例如,向量 (x = [1, -2, 3]) 的 L1 范数就是 (|1| + |-2| + |3| = 6),即向量中各元素绝对值之和。