रैखिक मॉडल के तहत चुकता त्रुटियों को अक्सर इस वजह से पसंद किया जाता है:
- रूढ़िवादिता के संबंध में, जो शोर के रूप में मानी जाने वाली कुछ यादृच्छिक घटनाओं के संबंध में अच्छा व्यवहार करता है (असंबद्धता)
- यह उत्तल और भिन्न है, नहींL1
- व्युत्पन्न रैखिक प्रणालियों में बदल जाने के कारण यह ट्रैफ़िक ऑप्टिमाइज़ेशन एल्गोरिदम प्राप्त करता है
L1 को अक्सर एक सुविधाजनक प्रॉक्सी या उत्तल छूट माना जाता है, जो कि सख्त स्पैरिटी (नॉन-जीरो टर्म्स की गिनती) के लिए है, जो कि कॉम्बीनेटरियल रूप से जटिल है, उदाहरण के लिएℓ1 देखें लीनियर इक्वेशन के मोस्ट लार्ज अंडरडेटमेटेड सिस्टम के लिए मिनिमल -norm सॉल्यूशन भी है सबसे बढ़िया समाधान । कुछ लोग "खो" उत्तलता की कीमत पर, अधिक विरलता को लागू करने के लिए , का उपयोग करते हैं ।ℓp0<p<1
हालाँकि, गणना उपाय गैर-शून्य स्केलिंग के लिए असंवेदनशील है। एक गैर-शून्य स्थिरांक से एक वेक्टर को गुणा करें, गैर-शून्य शब्दों की संख्या समान रहेगी। इस प्रकार, , समरूप सजातीय है, जबकि मानदंड या अर्ध-मानदंड सभी - समरूप सजातीय हैं। यहां तक कि अगर, किसी भी तरह, को , यह विसंगति मुझे एक खाई लगती है।ℓ0ℓ00ℓp1ℓp→ℓ0p→0
इस प्रकार, मानदंडों को ध्यान में रखते हुए, कुछ (गैर-उत्तल) मानदंड अनुपात पर विचार कर रहे हैं, जैसे कि , उदाहरण के लिए एक टैक्सी में यूक्लिड में संदर्भ देखें : साथ विरल ब्लाइंड नियमित करना ।ℓ1/ℓ2ℓ1/ℓ2