非負矩陣分解中基於L1和L2範式的稀疏性約束

L1、L2範式 假設需要求解的目標函數爲： E(x) = f(x) + r(x) 其中f(x)爲損失函數，用來評價模型訓練損失，必須是任意的可微凸函數，r(x)爲規範化約束因子，用來對模型進行限制，根據模型參數的概率分佈不同，r(x)一般有:L1範式約束(模型服從高斯分佈)，L2範式約束(模型服從拉普拉斯分佈)；其它的約束一般爲兩者組合形式。 L1範式約束一般爲： L2範式約束一般爲: L1範式可

>>阅读原文<<