Lp距离, L1范数, 和L2范数
2016-07-31 17:12
225 查看
Lp距离, L1范数, 和 L2范数
Lp 距离定义为:Lp(xi,xj)=(∑l=1n|x(l)i−x(l)j|p)1p
其中xi∈Rn, xj∈Rn, 其中L∞定义为:
L∞(xi,xj)=maxl|x(l)i−x(l)j|
L2范数
L2定义为|x|=∑ni=1x2i‾‾‾‾‾‾‾√,其中x=⎡⎣⎢⎢⎢⎢x1x2⋮xn⎤⎦⎥⎥⎥⎥∈RnL1范数
L1定义为|x|=∑ni=1|xi|,其中x=⎡⎣⎢⎢⎢⎢x1x2⋮xn⎤⎦⎥⎥⎥⎥∈Rn相关文章推荐
- L0/L1/L2/Lp/L∞范数的联系与区别
- 机器学习中的范数规则化之(一)L0、L1与L2范数
- 机器学习中的范数规则化之(一)和(二)L0、L1与L2范数、核范数
- 机器学习中的范数规则化之(一)L0、L1与L2范数
- 机器学习中的范数规则化:L0、L1与L2范数,核范数和规则项参数选择
- L0/L1/L2范数的联系与区别
- L0、L1与L2范数各自功能
- 机器学习中的范数规则化之(一)L0、L1与L2范数
- 过拟合以及正则化(L0,L1,L2范数)
- 机器学习正则化L0,L1,L2范数
- 机器学习中的规则化范数(L0, L1, L2, 核范数)
- 机器学习中的规则化范数(L0, L1, L2, 核范数)
- 机器学习中的范数规则化 (L0、L1、L2和核范数)
- 【数学基础】范数:L0、L1、L2
- 机器学习中的范数规则化之(一)L0、L1与L2范数
- 机器学习中的范数规则化之(一)L0、L1与L2范数 非常好,必看
- 浅谈L0,L1,L2范数及其应用
- 读“机器学习中的范数规则化之(一)L0、L1与L2范数”笔记
- 【机器学习】【基本理论】L0、L1、L2和核范数规则化学习总结【待补充整理】
- L1范数和L2范数的区别