一.矩阵二范数
矩阵的二范数是一个值,具体计算如下:
即矩阵的二范数是通过计算其最大特征值并进行开根号得到的。
二.向量二范数
向量的二范数也是一个值,不过是对向量的每个元素进行平方加和开根号得到,具体计算如下:
三.矩阵F范数
矩阵的F范数与向量的二范数定义类似,只不过是对矩阵整个进行平方和加和并开根号得到结果。
具体计算我们一般用矩阵表示如下:
四.向量多范数
根据论文“Efficient and Robust Feature Selection via Joint `2,1-Norms Minimization”中的定义,我们可以得到向量p范数的定义如下:
实际上是对向量中的每个元素进行p次方求和再开p次方。
五.矩阵多范数(2、1范数)
根据论文“Efficient and Robust Feature Selection via Joint `2,1-Norms Minimization”中的定义,我们可以得到矩阵r、p范数的定义如下:
特别地我们之后会经常碰到的2、1范数,定义如下:
2、1范数实际上就是对矩阵每行求二范数再进行累加得到最后结果。
将2、1范数写成矩阵形式可以得到:
其中D是一个对角阵,每一个元素可以通过以下计算得到:
六.特别注意
对于矩阵的F范数打开要特别注意数据的存放格式,是按行放还是按列放。
若是数据按行放,最好按以下打开:
若是数据按列放,最好按以下打开:
特别地在用迹进行运算时要注意遍历放两边!!!
----- 以上为本人学习机器学习这门课总结出的一些知识点,有错误或者疑问可以评论区交流,欢迎指正!!!
标签:定义,变种,矩阵,如下,易漏,根号,范数,向量 From: https://blog.csdn.net/m0_74194861/article/details/141038358