- 定义:
范数是一种强化了的距离概念,它在定义上比距离多了一条数乘的运算法则。可以简单把范数当作距离来理解。
范数分为:向量范数和矩阵范数。向量范数表征向量空间中向量的大小,矩阵范数表征矩阵引起变化的大小。
并满足一定的条件,即①非负性;②齐次性;③三角不等式。它常常被用来度量某个向量空间(或矩阵)中的每个向量的长度或大小。 - 常用的三种p-范数推导出的矩阵范数:
(1)1-范数:║A║1 = max{ ∑|ai1|,∑|ai2|,……,∑|ain| } (列和范数,A每一列元素绝对值之和的最大值)(其中∑|ai1|第一列元素绝对值的和∑|ai1|=|a11|+|a21|+…+|an1|,其余类似)
(2)2-范数:比较常用的范数,就是度量欧式距离的一种范数。定义如下:
表示向量的平方和再开平方。
同时也可以度量两个向量间的差;平方差和:
对于L2范数,优化如下:
min||x||2; s, t, Ax=b
L2范数通常会被用来做优化目标函数的正则化项,防止模型为了迎合训练集而过于复杂造成过拟合的情况,从而提高模型的泛化能力。
更多详细内容
范数理解
最新推荐文章于 2024-05-13 14:41:03 发布