机器学习储备（8）：numpy之linspace 和 logspace

1 linspace在numpy中是创建等差数列，

先看例子：

A = np.linspace(1,11,11)

结果：array([  1.,   2.,   3.,   4.,   5.,   6.,   7.,   8.,   9.,  10.,  11.])

因此可以看到lisapce接口的第一个参数1是等差数列的第一项，第二个参数11是最后一项，第3个参数11为等差数列的元素个数，共含有11个元素。

根据等差数列的通项公式： an = a1 + (n-1)*d，已知 an， a1,  n，自然 d 就确定了。

2 logspace在numpy中是创建等比数列，

先看例子：

A = np.logspace(1,11,11)

结果：

array([  1.00000000e+01,   1.00000000e+02,   1.00000000e+03,

         1.00000000e+04,   1.00000000e+05,   1.00000000e+06,

         1.00000000e+07,   1.00000000e+08,   1.00000000e+09,

         1.00000000e+10,   1.00000000e+11])

创建的元素的默认以10为底，如上所示，第一个参数代表的意思是等比数列的次幂为1，第二个参数代表等比数列的次幂为11， 第三个参数仍然是数列含有的所有项数为11 。 

根据等比数列的通项公式：，已知 

a1 = q^参数1， an = a1 * q^参数2，n = 11，所以 q 自然就确定了， 如下所示，指定base = 2，

A = np.logspace(1,3, 5, base=2)

结果：

array([ 2.        ,  2.82842712,  4.        ,  5.65685425,  8.        ])

可以看出第一项为2，最后一项为2^3=8，一共有5项，这时候的公比大约等于1.4，不要和base=2混淆了！

注意base=2，可不是意味着底也是为2！

谢谢您的阅读，期待您的到来。

欢迎关注《算法channel》

主要推送关于算法的分析过程及应用的消息。培养思维能力，注重过程，挖掘背后的原理，刨根问底。本着严谨和准确的态度，目标是撰写实用和启发性的文章，欢迎您的关注。