L-p Norm
Definition
\(L^p\)空间是由\(p\)次可积函数组成的空间,对应\(l^p\)可数维度空间是由\(p\)次可和序列组成的空间,叫勒贝格空间(Henri Léon Lebesgue)。
\(L^p\)空间
当空间维度无穷且不可数时,无法运用有限维或可数维度空间来定义范数,此时考虑所有绝对值的\(p\)次幂在\(s\)可积的函数:
\[L^p(S,\mu) = \left\{ f;\Vert f\Vert_p = \left( \int_S \vert f \vert^p d\mu \right)^{\frac{1}{p}} < \infty \right\}.\]\(l^p\)空间
当空间维数无限可数时,定义\(p\)-范数如下:
\[\Vert (x_n)_{n\in N}\Vert_p = \left(\vert x_1\vert^p + \vert x_2\vert^p + \cdots + \vert x_n\vert^p + \vert x_{n+1}\vert^p + \cdots \right)^{\frac{1}{p}} = \left( \sum_{n=1}^N \vert x_n\vert^p \right)^{\frac{1}{p}}.\]其中,
- \(l^1\)空间:所有绝对收敛级数列构成的空间。
- \(l^2\)空间:所有平方收敛级数列构成的空间。
- \(l^\infty\)空间:所有有界数列构成的空间。
Norm
具有长度概念的函数,拥有范数的向量空间为赋范向量空间。
- 向量范数:表征向量空间中向量的大小。
- 矩阵范数:表征两个向量之间变化的大小。
Vector Norm
\(l^0\) Norm
- 用于度量向量中非零元素的个数。
\(l^1\) Norm
- 每个元素绝对值之和。
- 曼哈顿距离。
- 绝对误差和。
- 稀疏规则算子,通过\(l^1\)范数可以实现特征的稀疏,去掉一些没信息的特征。
- 如:在对用户的电影爱好做分类时,用户有100个特征,可能只有十几个特征是对分类有用的,大部分特征如身高、体重等可能都是无用的,利用\(l^1\)范数就可以过滤掉无用的特征信息。
\(l^2\) Norm
- 向量元素的平方和再开方。
- 欧几里得距离。
- 平方差和。
- 常用于优化目标函数的正则化项,防止模型为了迎合训练集而导致的过拟合现象,提高模型的泛化能力。
\(l^\infty\) Norm
- 所有元素绝对值中的最大值。
\(l^{-\infty}\) Norm
- 所有元素绝对值中的最小值。
Matrix Norm
\(l^1\) Norm
- 列和范数。
- 矩阵所有列向量绝对值之和的最大值。
\(l^2\) Norm
- 谱范数。
- 矩阵\(A^T A\)的最大特征值的开方。
\(l^\infty\) Norm
- 行和范数。
- 矩阵所有行向量绝对值之和的最大值。
\(l^F\) Norm
- Frobenius范数。
- 矩阵元素绝对值的平方和再开方。
Nuclear Norm
- 核范数。
- 矩阵的奇异值之和。