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！