知识卡片
拉普拉斯半正定不等于逐项非负
对于对称非负S、正度数D,L=I−D⁻¹ᐟ²SD⁻¹ᐟ²是对称归一化拉普拉斯,其特征值非负,但非对角元素可以为负。原文“具有非负值”应按谱性质限定,不能理解为每个矩阵元素都非负。孤立节点的D项为0时须另行处理,不能直接计算倒平方根。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 机器学习:分布式算法 · 查看原书依据
很明显,正则化的拉普拉斯矩阵是一个具有非负值的半正定矩阵。在理想情况下,我们假设聚类数据之间完全可分离,即某个聚类内的数据和任意其他聚类内的数据的相似度都为0。此时,拉普拉斯矩阵中的非零值只会出现在其块状对角线上:
参考来源
- 位置:《大数据日知录:架构与算法》第16章《机器学习:分布式算法》,原文段落136,OEBPS/text00021.html。
- 结论依据:原书给出的机制、公式或算法与其适用范围;实验百分比和2014年系统状态不当作当前普遍保证。原文过度概括据第一手资料限定:[原始资料](https://arxiv.org/abs/0711.0189)。
- 原始内容:很明显,正则化的拉普拉斯矩阵是一个具有非负值的半正定矩阵。在理想情况下,我们假设聚类数据之间完全可分离,即某个聚类内的数据和任意其他聚类内的数据的相似度都为0。此时,拉普拉斯矩阵中的非零值只会出现在其块状对角线上: