前言

參見上一篇博文，我們聊到了L0，L1和L2范數，這篇我們絮叨絮叨下核范數和規則項參數選擇。知識有限，以下都是我一些淺顯的看法，如果理解存在錯誤，希望大家不吝指正。謝謝。

機器學習算法源碼全解析（二）-范數規則化之L0、L1與L2范數

https://wenyusuran.blog.csdn.net/article/details/25868893 

 

 

三、核范數

       核范數||W||*是指矩陣奇異值的和，英文稱呼叫Nuclear Norm。這個相對于上面火熱的L1和L2來說，可能大家就會陌生點。那它是干嘛用的呢？霸氣登場：約束Low-Rank（低秩）。OK，OK，那我們得知道Low-Rank是啥？用來干啥的？

       我們先來回憶下線性代數里面“秩”到底是啥？舉個簡單的例子吧：

       對上面的線性方程組，第一個方程和第二個方程有不同的解，而第2個方程和第3個方程的解完全相同。從這個意義上說，第3個方程是“多余”的，因為它沒有帶來任何的信

總結

以上是生活随笔為你收集整理的机器学习算法源码全解析（三）-范数规则化之核范数与规则项参数选择的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。