如何解决幅值是什么|| W ||参考?
我正在尝试在python中复制一个实验,其中说||。 W || =1。我知道W是幅值,但是在矢量和矩阵的上下文中,它确切地指的是哪个幅值?
例如,说我需要确保以下矩阵|| W || = 1:
array([[[1,2,3],[4,5,6],[7,8,9]]])
使数组为||是什么意思? W || = 1? 是按列,按行的吗?
基本上,我有疑问的原因是因为我有一个800x20的矩阵,其中每行是Xi,并且在该公式中Y = Wt,我还有另一个特征向量和特征值的Matrx是20x2。十一。
解决方法
所以我只用过|| W ||在体重调整中,非常简短。它代表3D向量的范数,本质上就是您已经注意到的大小(指2D向量时)。 但是正如一条评论所说,可能存在多种矩阵规范。
一个代表矩阵的“第一范数”吗?如果是这样,您只需要对各列求和并输出最大的和(按列操作)。如果要确定“无限范数”,也可以按行进行该操作。
某些链接可能会有所帮助:
http://www-solar.mcs.st-andrews.ac.uk/~clare/Lectures/num-analysis/Numan_chap1.pdf
http://www.maths.lth.se/na/courses/FMN081/FMN081-06/lecture6.pdf(基本知识)
https://cmci.colorado.edu/classes/INFO-4604/files/slides-6_regularization.pdf
NumPy似乎也可以计算矩阵范数,因此您无需手动编码过程(以前从未使用过):
https://numpy.org/doc/stable/reference/generated/numpy.linalg.norm.html
,添加另一个答案,以确保事情不会丢失。 基于本文:
http://fourier.eng.hmc.edu/e161/lectures/algebra/node12.html
他们利用归一化矢量来加权特征值矩阵中的索引(因此也对该矩阵进行了归一化)。他们归一化的向量似乎是总和最大的列。但是,似乎还有一种同时使用归一化的行向量和列向量的方法。
应注意|| I || = 1。也许这对您的推导很有用。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。