Norm
返回矩阵或向量的范数。
double vector::Norm(
|
参数
范数
[输入] 范数顺序
返回值
矩阵或向量的范数。
注意
- VECTOR_NORM_INF 是向量元素中的最大绝对值。
- VECTOR_NORM_MINUS_INF 是向量元素中的最小绝对值。
- VECTOR_NORM_P 是向量的 P-范数。 如果 norm_p=0,那么这是非零向量元素的数量。 norm_p=1 是矢量元素绝对值的总和。 norm_p=2 是向量元素值平方和的平方根。 P-范数可以为负值。
- MATRIX_NORM_FROBENIUS 是矩阵元素值的平方和的平方根。 弗罗贝尼乌斯(Frobenius)范数和向量 P2-范数是一致的。
- MATRIX_NORM_SPECTRAL 是矩阵谱的最大值。
- MATRIX_NORM_NUCLEAR 是矩阵奇异值的总和。
- MATRIX_NORM_INF 是矩阵垂直向量中的最大向量 p1-范数。 矩阵 inf-范数和向量 inf-范数是一致的。
- MATRIX_NORM_MINUS_INF 是矩阵垂直向量中的最小向量 p1-范数。
- MATRIX_NORM_P1 是矩阵水平向量中的最大向量 p1-范数。
- MATRIX_NORM_MINUS_P1 是矩阵水平向量中的最小向量 p1-范数。
- MATRIX_NORM_P2 是矩阵的最高奇异值。
- MATRIX_NORM_MINUS_P2 是矩阵的最低奇异值。
以 MQL5 实现的计算向量 P-范数的简单算法:
double VectorNormP(const vector& v,int norm_value)
|
MQL5 示例:
matrix a= {{0, 1, 2, 3, 4, 5, 6, 7, 8}};
|
Python 示例:
import numpy as np
|