向量和矩阵的各种范数比较(1范数、2范数、无穷范数等等)
在刚入门机器学习中的低秩,稀疏模型时,被各种范数搅得一团糟,严重延缓了学习进度,经过一段时间的学习,现在将其完整的总结一下,希望遇到同样麻烦的同学能有所帮助。。。
一、向量的范数
首先定义一个向量为:a=[-5,6,8, -10]
1.1 向量的1范数
向量的1范数即:向量的各个元素的绝对值之和,上述向量a的1范数结果就是:29,MATLAB代码实现为:norm(a,1);
1.2 向量的2范数
向量的2范数即:向量的每个元素的平方和再开平方根,上述a的2范数结果就是:15,MATLAB代码实现为:norm(a,2);
1.3 向量的无穷范数
1.向量的负无穷范数即:向量的所有元素的绝对值中最小的:上述向量a的负无穷范数结果就是:5,MATLAB代码实现为:norm(a,-inf);
2…向量的正无穷范数即:向量的所有元素的绝对值中最大的:上述向量a的负无穷范数结果就是:10,MATLAB代码实现为:norm(a,inf);
**
二、矩阵的范数
**
首先我们将介绍数学中矩阵的范数的情况,也就是无论哪个学科都统一的一种规定。。。
例如矩阵A = [ -1 2 -3;
4 -6 6]
2.1 矩阵的1范数
矩阵的1范数即:矩阵的每一列上的元素绝对值先求和,再从中取个最大的,(列和最大),上述矩阵A的1范数先得到[5,8,9],再取最大的最终结果就是:9,MATLAB代码实现为:norm(A,1);
2.2 矩阵的2范数
矩阵的2范数即:矩阵ATAATA的最大特征值开平方根,上述矩阵A的2范数得到的最终结果是:10.0623,MATLAB代码实现为:norm(A,2);
2.3 矩阵的无穷范数
矩阵的1范数即:矩阵的每一行上的元素绝对值先求和,再从中取个最大的,(行和最大),上述矩阵A的1范数先得到[6;16],再取最大的最终结果就是:16,MATLAB代码实现为:norm(A,inf);
接下来我们要介绍机器学习的低秩,稀疏等一些地方用到的范数,一般有核范数,L0范数,L1范数(有时很多人也叫1范数,这就让初学者很容易混淆),L21范数(有时也叫2范数),F范数。。。上述范数都是为了解决实际问题中的困难而提出的新的范数定义,不同于前面的矩阵范数。
2.4 矩阵的核范数
矩阵的核范数即:矩阵的奇异值(将矩阵svd分解)之和,这个范数可以用来低秩表示(因为最小化核范数,相当于最小化矩阵的秩——低秩),上述矩阵A最终结果就是:10.9287, MATLAB代码实现为:sum(svd(A))
2.5 矩阵的L0范数
矩阵的L0范数即:矩阵的非0元素的个数,通常用它来表示稀疏,L0范数越小0元素越多,也就越稀疏,上述矩阵A最终结果就是:6
2.6 矩阵的L1范数
矩阵的L1范数即:矩阵中的每个元素绝对值之和,它是L0范数的最优凸近似,因此它也可以表示稀疏,上述矩阵A最终结果就是:22,MATLAB代码实现为:sum(sum(abs(A)))
2.7 矩阵的F范数
矩阵的F范数即:矩阵的各个元素平方之和再开平方根,它通常也叫做矩阵的L2范数,它的有点在它是一个凸函数,可以求导求解,易于计算,上述矩阵A最终结果就是:10.0995,MATLAB代码实现为:norm(A,‘fro’)
2.8 矩阵的L21范数
矩阵的L21范数即:矩阵先以每一列为单位,求每一列的F范数(也可认为是向量的2范数),然后再将得到的结果求L1范数(也可认为是向量的1范数),很容易看出它是介于L1和L2之间的一种范数,上述矩阵A最终结果就是:17.1559,MATLAB代码实现为: norm(A(:,1),2) + norm(A(:,2),2) + norm(A(:,3),2)
原文链接:https://blog.csdn.net/Michael__Corleone/article/details/75213123
向量和矩阵的各种范数比较(1范数、2范数、无穷范数等等)相关推荐
- 向量与矩阵的范数(比较1-范数、2-范数、无穷范数、p-范数、L0范数 和 L1范数等)
转载出处:https://blog.csdn.net/zaishuiyifangxym/article/details/81673491 阅读文献时,经常看到各种范数,机器学习中的稀疏模型等,也有各种 ...
- OpenCV-Python教程:统计函数~L1、L2、无穷范数、汉明范数(norm,NORM_HAMMING2,NORM_HAMMING)
原文链接:http://www.juzicode.com/opencv-python-statistics-norm 返回Opencv-Python教程 1.什么是范数 下图是百度百科关于范数的定义: ...
- python求向量函数的雅可比矩阵_在python Numpy中求向量和矩阵的范数实例
np.linalg.norm(求范数):linalg=linear(线性)+algebra(代数),norm则表示范数. 函数参数 x_norm=np.linalg.norm(x, ord=None, ...
- python二维元素向量_详解python Numpy中求向量和矩阵的范数
在python Numpy中求向量和矩阵的范数实例 np.linalg.norm(求范数):linalg=linear(线性)+algebra(代数),norm则表示范数. 函数参数 x_norm=n ...
- 科学计算机解多元方程组,南京大学计算机科学与技术系 数值计算方法(第3章)3 向量和矩阵的范数 病态方程组 解线性方程组的迭代法.ppt...
南京大学计算机科学与技术系 数值计算方法(第3章)3 向量和矩阵的范数 病态方程组 解线性方程组的迭代法.ppt 上传人:ct****5 文档编号:43116102 上传时间:2020-01-21 格 ...
- 向量和矩阵的各种范数比较(1范数、2范数、无穷范数等等
向量和矩阵的各种范数比较(1范数.2范数.无穷范数等等 范数 norm 矩阵 向量 一.向量的范数 首先定义一个向量为:a=[-5,6,8, -10] 1.1 向量的1范数 向量的1范数即:向量的各 ...
- 向量和矩阵的各种范数
向量和矩阵的各种范数 一.向量的范数 首先定义一个向量为:a=[-5,6,8, -10] 1.1 向量的1范数 向量的1范数即:向量的各个元素的绝对值之和,上述向量a的1范数结果就是:29,MATLA ...
- 核范数和l1范数_向量和矩阵的各种范数比较(1范数、2范数、无穷范数等等
向量和矩阵的各种范数比较(1范数.2范数.无穷范数等等 范数 norm 矩阵 向量 一.向量的范数 首先定义一个向量为:a=[-5,6,8, -10] 1.1 向量的1范数 向量的1范数即:向量的各个 ...
- Numpy中求向量和矩阵的范数
import numpy as np 函数: np.linalg.norm(x, ord=None, axis=None, keepdims=False) 参数释义:x:向量或矩阵 ...
- matlab norm向量和矩阵的范数
一.向量的范数 首先定义一个向量为:a=[-5,6,8, -10] 1.1 向量的1范数 向量的1范数即:向量的各个元素的绝对值之和,上述向量a的1范数结果就是:29,MATLAB代码实现为:norm ...
最新文章
- xampp for Ubuntu安装.run文件
- docsify管理学习笔记
- 天体运行动图,如此美妙,如此震撼!
- 理解依赖注入(IOC)和学习Unity
- 扩展二叉树(信息学奥赛一本通-T1340)
- 如何在Ubuntu 16.04上使用MySQL 5.6配置Galera集群
- git 查看自己的用户名和邮箱
- 【瑕疵检测】基于matlab GUI灰度共生矩阵痕迹检测【含Matlab源码 863期】
- 魅族手机无信号无服务器,魅族手机没有信号的解决教程
- 写商业计划书的十个要点
- 花呗上征信,一文看懂征信所有问题
- 7月27日19:30直播预告:HarmonyOS3及华为全场景新品发布会
- 为什么包名要域名反写?
- 华为云数据库mysql云灾备方案_华为云MySQL云灾备解决方案,秒级同步实现数据库的高保护...
- 【CSS】如何让文字与input垂直居中对齐
- 微信公众平台开发[3] —— 微信公众号支付功能(PHP)
- 计算机网络国际标准界最,计算机网络标准综述.pdf
- 【视频理解论文】——TSM:Temporal Shift Module for Efficient Video Understanding
- 生鲜巨变:每日优鲜、叮咚买菜、盒马“分道扬镳”?
- 求100以内所有的素数C版(用数组标记的方式)
热门文章
- 面试题--Git与设计模式
- 移动发送短信的状态报告
- 关联分析——频繁项集的产生之Apriori算法
- 正则匹配的中文包括中文标点符号
- Spring Boot教程(来源于微信公众号ImportNew)
- 80+开源数据集资源汇总(包含目标检测、医学影像、关键点检测、工业检测等方向)
- 计算机编码(电脑内部代表字母或数字的方式)如:Unicode、UTF-8、UTF-16、ASCII等
- 防范“猪流感”在网络世界传播 警惕垃圾邮件
- HttpClient 4.3 - https 免SSL认证
- centos8配置静态ip+网桥(对比centos7)