关于范数的知识整理

本文介绍了向量的L0、L1、L2范数,强调L1范数在稀疏编码和特征选择中的应用,以及L2范数在防止过拟合的作用。此外,还探讨了矩阵的1-、2-、∞-和Frobenius范数,以及核范数作为低秩矩阵约束的概念,并提到了奇异值在矩阵分析中的重要性。
摘要由CSDN通过智能技术生成

向量的范数:

向量范数是定义了向量的类似于长度的性质,满足正定,齐次,三角不等式的关系就称作范数。

即对一个线性空间X,定义泛函 |||| | | ⋅ | | X X → R
满足
1. ||x||0 | | x | | ≥ 0 and ||x||=0x=0 | | x | | = 0 ↔ x = 0 for xX x ∈ X (正定)
2. ||cx||=|c|||x|| | | c x | | = | c | | | x | | for c,xX c ∈ R , x ∈ X (齐次)
3. ||a+b||||a||+||b|| | | a + b | | ≤ | | a | | + | | b | | for any a,bX a , b ∈ X (三角不等式)

向量的范数一般有 L0 L 0 . L1 L 1 , L2 L 2 L L ∞ 范数
定义向量 x=(x1,,xk) x = ( x 1 , ⋯ , x k ) Lp L p 范数为 ||x||p=ki=1|xi|pp | | x | | p = ∑ i = 1 k | x i | p p .

L0 L 0 范数

||x||0=ki=1|xi|0 | | x | | 0 = ∑ i = 1 k | x i | 0 ,即非0元素个数。
L0

  • 2
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值