机器学习储备(8):numpy之linspace 和 logspace

2023-05-16

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。




本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

机器学习储备(8):numpy之linspace 和 logspace 的相关文章

  • 对每个元素使用条件的 Numpy 过滤器

    我有一个过滤器表达式如下 feasible agents filter lambda agent agent gt cost task agent agents where agents是一个Python列表 现在 为了提高速度 我尝试使用
  • 以编程方式将列名称添加到 numpy ndarray

    我正在尝试将列名称添加到 numpy ndarray 然后按名称选择列 但这不起作用 我无法判断问题是在添加名称时出现 还是在稍后尝试调用它们时出现 这是我的代码 data np genfromtxt csv file delimiter
  • 将具有不同大小的行的数据加载到 Numpy 数组中

    假设我有一个包含如下数据的文本文件 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 如何将它加载到 numpy 数组中 使其看起来像这样 1 2 3 4 5 0 6 7 8 0 0 0 9 1
  • 使用批量乘法的tensorflow的tensordot中的障碍

    我正在张量流中实现 RBM 使用小批量实现参数更新存在障碍 有2个张量 第一个张量的形状是 100 3 1 第二个张量的形状是 100 1 4 数字 100 是批次大小 所以我想将这些张量相乘 得到 100 3 4 张量 但是当我实现这样的
  • 可以memmap pandas系列。数据框怎么样?

    看来我可以通过创建 mmap d ndarray 并使用它来初始化系列来对 python 系列的底层数据进行内存映射 def assert readonly iloc try iloc 0 999 Should be non editabl
  • 有效地写入 pandas 中的多个相邻列

    使用 numpy ndarray 可以一次写入多个列 而无需先进行复制 只要它们相邻 如果我想写入数组的前三列 我会写 a 0 0 3 1 2 3 this is very fast a is a numpy ndarray 我希望在 pa
  • 如何确保 numpy BLAS 库可用作动态加载库?

    The theano安装文档 http www deeplearning net software theano install html troubleshooting make sure you have a blas library指
  • 如何获取所有数字列(嵌套与否)的“.describe()”统计信息?

    获取数据帧 或列表或数组 中任何列的简单描述性统计数据的最佳方法是什么 无论是否嵌套 一种高级 df describe 还包括带有数值的嵌套结构 就我而言 我有一个包含许多列的数据框 有些列的每一行都有一个数字列表 在我的例子中是时间序列结
  • 获取 numpy 数组的多个轴的平均值

    在 numpy 中是否有一种快速计算多轴平均值的方法 我正在计算 n 维数组除 0 轴之外的所有轴的平均值 我目前正在做这个 for i in range d ndim 1 d d mean axis 1 我想知道是否有一个不使用 pyth
  • 将数值数据更改为分类数据 - Pandas [重复]

    这个问题在这里已经有答案了 我有一个 pandas 数据框 其中有一个数字列 金额 金额从 0 到 20000 不等 我想将其更改为定义范围的分类变量 因此 分类变量将是 0 1000 之间 1000 2000 美元之间 依此类推 直到 1
  • 查找矩阵内的匹配子矩阵

    我有一个 100x200 2D 数组 表示为由黑色 0 和白色 255 单元组成的 numpy 数组 它是一个位图文件 然后我有 2D 形状 最容易将它们视为字母 它们也是 2D 黑白单元格 我知道我可以天真地迭代矩阵 但这将是我的代码的
  • Unpivot Pandas 数据

    我目前有一个DataFrame布置为 Jan Feb Mar Apr 2001 1 12 12 19 2002 9 2003 我想将数据 逆透视 使其看起来像 Date Value Jan 2001 1 Feb 2001 1 Mar 200
  • 有效地生成所有排列

    我需要尽快生成所有排列 https en wikipedia org wiki Permutation整数的0 1 2 n 1并得到结果作为NumPy https numpy org 形状数组 factorial n n 或者迭代此类数组的
  • 使用 Numpy 进行多维批量图像卷积

    在图像处理和分类网络中 一个常见的任务是输入图像与一些固定滤波器的卷积或互相关 例如 在卷积神经网络 CNN 中 这是一种极其常见的操作 我已将通用版本任务减少为 Given 一批 N 个图像 N H W D 和一组 K 个滤镜 K H W
  • 将一维数组转换为下三角矩阵

    我想将一维数组转换为较低的零对角矩阵 同时保留所有数字 我知道numpy tril函数 但它用零替换了一些元素 我需要扩展矩阵以包含所有原始数字 例如 10 20 40 46 33 14 12 46 52 30 59 18 11 22 30
  • numpy polyfit 中使用的权重值是多少以及拟合误差是多少

    我正在尝试对 numpy 中的某些数据进行线性拟合 Ex 其中 w 是该值的样本数 即对于点 x 0 y 0 我只有 1 个测量值 该测量值是2 2 但对于这一点 1 1 我有 2 个测量值 值为3 5 x np array 0 1 2 3
  • Numpy uint8_t 数组到 vtkImageData

    我正在尝试拍摄一个或三个通道的 2D 图像并使用 VTK 中显示它们vtkImageActor 据我了解 要显示的当前帧可以通过调用来更新SetImageData on vtkImageActor并提供一个实例vtkImageData 我已
  • numpy python 中的“AttributeError:'matrix'对象没有属性'strftime'”错误

    我有一个维度为 72000 1 的矩阵 该矩阵涉及时间戳 我想使用 strftime 如下所示 strftime d m y 为了得到像这样的输出 11 03 02 我有这样一个矩阵 M np matrix timestamps 我使用了
  • NumPy linalg.eig

    我有这个烦人的问题 但我还没有弄清楚 我有一个矩阵 我想找到特征向量 所以我写 val vec np linalg eig mymatrix 然后我得到了 vec 我的问题是 当我小组中的其他人对相同的矩阵 mymatrix 做同样的事情时
  • 计算互相关函数?

    In R 我在用ccf or acf计算成对互相关函数 以便我可以找出哪个移位给我带来最大值 从它的外观来看 R给我一个标准化的值序列 Python 的 scipy 中是否有类似的东西 或者我应该使用fft模块 目前 我正在这样做 xcor

随机推荐

  • 使用Sphinx阅读rst格式的文档

    背景 Sphinx是一个开源软件 xff0c 可以生成python项目的文档 xff0c 在很多github上的项目 xff0c 当你打开doc下的相关文档文件时 xff0c 往往可以看见rst格式的文件 xff0c 这些文件就是用sphi
  • oracle新增控制文件遇到的问题

    最近在学oracle xff0c 看的是林树泽 卢芬编著的 oracle 11g r2 DBA操作指南 在新增控制文件的时候写了一个带有中文的路径 xff0c 步骤如下 xff1a alter system set control file
  • 算法描述的一般格式和设计步骤

    通常用C C 43 43 函数来描述算法 算法描述的一般格式如下 返回值 算法对应的函数名 xff08 形参列表 xff09 临时变量的定义 实现由输入参数到输出参数的操作 函数体 其中 xff0c 39 返回值 通常为bool类型 xff
  • 清除浏览器js和css缓存

    原文链接 xff1a https jingyan baidu com article acf728fd5986aff8e510a32a html 方法 xff1a 1 ctrl 43 F5 强制刷新 2 如果刷新浏览器无法清除js的缓存 x
  • 统计学 常用的数据分析方法大总结,推荐收藏

    作者 xff1a 阿平 64 zhihu 来源 xff1a 知乎 一 描述统计 描述统计是通过图表或数学方法 xff0c 对数据资料进行整理 分析 xff0c 并对数据的分布状态 数字特征和随机变量之间关系进行估计和描述的方法 描述统计分为
  • 手把手教你研发自己的智能无人机

    1 让智能无人机梦想变成现实 对于大多数极客学员来说 xff0c 自己组装一台无人机 xff0c 可以航拍 xff0c 可以目标跟踪 xff0c 是心中
  • 软件工程复习之软件生命周期

    生命周期 基本概念 xff1a 生命周期 xff1a 1995过程的划分 xff1a 基本过程 xff1a 开发过程包含的活动 xff1a 过程实现包含任务系统需求分析包含任务系统体系结构设计包含任务软件需求分析软件体系结构设计包含任务 支
  • 先验分布与后验分布,认真看看这篇

    此文主要参考 huaxiaozhuan com 编辑 Python与算法社区 公众号 在贝叶斯学派中 xff0c 先验分布 43 数据 xff08 似然 xff09 61 后验分布 例如 xff1a 假设需要识别一大箱苹果中的好苹果 坏苹果
  • 置信度&置信区间,这篇讲解我给100分!

    今天这篇聊聊统计学里面的置信度和置信区间 xff0c 好像没怎写过统计学的东西 xff0c 这篇试着写一写 1 点估计 在讲置信度和置信区间之前先讲讲点估计 xff0c 那什么是点估计呢 xff1f 给你举两个例子你就知道了 现在你想要知道
  • sklearn 实战指南

    0 引言 Sklearn 全称 Scikit Learn 是基于 Python 语言的机器学习工具 它建立在 NumPy SciPy Pandas 和 Matplotlib 之上 xff0c 里面的 API 的设计非常好 xff0c 所有对
  • 绘制频率分布直方图的三种方法,总结的很用心!

    直方图能帮助迅速了解数据的分布形态 xff0c 将观测数据分组 xff0c 并以柱状条表示各分组中观测数据的个数 简单而有效的可视化方法 xff0c 可检测数据是否有问题 xff0c 也可看出数据是否遵从某种已知分布 本次案例通过生成深圳市
  • Python 列表如何转化为二叉树?

    Day46 列表转化为二叉树 已知列表nums xff0c 将其转化为二叉树 举例 xff1a nums 61 3 9 20 None None 15 7 xff0c 转化为二叉树后 节点3的左子节点9 xff0c 右子节点20 xff0c
  • Peter Norvig 给程序员们的一份传世典文:10年编程无师自通

    你好 xff0c 我是zhenguo 这篇文章的作者 xff1a Peter Norvig xff0c 可以说是程序员中最牛叉的人物之一 xff0c 现任谷歌研究总监 xff0c 是誉满全球的人工智能专家 xff0c 著有 Artifici
  • 全球最优秀的14位程序员

    接下来带你一起膜拜大神 xff08 排名不分先后 xff09 1 Linus Torvalds Linus Torvalds 是开源操作系统Linux和Git之父 1997 2003年 xff0c Torvalds在硅谷Transmeta
  • 《数据分析咖哥十话》包邮送3本

    文末留言包邮送三本 小雪求职记 入秋以来 xff0c 市场就开始不景气 xff0c 我们的女主人公小雪从一家互联网公司的运营岗毕 xff08 cai xff09 业 xff08 yuan xff09 以来 xff0c 三个月都没接到任何面试
  • 梳理机器学习常用算法(含深度学习)

    你好 xff0c 我是你们的老朋友 xff0c zhenguo xff01 机器学习的任务主要分为三类 xff1a 监督学习非监督学习强化学习 监督学习是指在训练过程中 xff0c 模型是根据给定的输入和输出标签来学习的 监督学习的任务主要
  • 机器学习:单或双变量常用分析技巧

    你好 xff0c 我是你们的老朋友 xff0c zhenguo xff01 在机器学习EDA阶段 xff0c 变量分析及可视化是常做的事情 xff0c 这篇文章总结变量分析中 xff0c 最常使用的单变量 xff0c 双变量分析以及可视化
  • 【计算机三级网络技术】 第三篇 IP地址规划技术

    文章目录 一 IP 地址规划以及划分地址新技术1 IP地址的标准分类 xff08 第一阶段 xff09 2 划分子网的三级地址结构 第二阶段 3 构成超网的无类域间路由技术 第三阶段 4 网络地址转换技术 第四阶段 二 IP 地址分类1 A
  • 机器学习:处理缺失值方法总结

    你好 xff0c 我是你们的老朋友 xff0c zhenguo 处理缺失值是在进行机器学习时非常重要的一个步骤 缺失值会影响机器学习模型的准确度 xff0c 因此在训练模型之前 xff0c 通常需要先处理掉缺失值 这篇文章 xff0c 总结
  • 机器学习储备(8):numpy之linspace 和 logspace

    1 linspace在numpy中是创建等差数列 xff0c 先看例子 xff1a A 61 np linspace 1 11 11 结果 xff1a array 1 2 3 4 5 6 7 8 9 10 11 因此可以看到lisapce接