幅值是什么|| W ||参考？

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。