[机器学习]范数 常用参考汇集

本文主要探讨了机器学习中范数的作用,包括向量和矩阵范数,特别是L1和L2范数在正则化中的意义。通过知乎专家的解释,解释了范数作为距离度量的本质,以及L1范数的稀疏性特点。同时,提到了核范数如何近似矩阵的秩,并且讨论了L1范数在求解问题时的次微分特性。
摘要由CSDN通过智能技术生成

       每次看到范数总感觉似曾相识又解释不清,鉴于上周苏宁面试被问了L1范数和L2范数,回答不清,故决定好好梳理一通。

1. 知乎大神,理解的角度

1)作者:Faaany

链接:https://www.zhihu.com/question/21868680/answer/136376374
来源:知乎

范数的本质是距离,存在的意义是为了实现比较。范数其实是一个函数,它把不能比较的向量转换成可以比较的实数。

  • 0
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
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