Python numpy.log1p（）的用途是什么？

嘿，我是卡格尔的新手，正在做房屋预测数据集。我只是遇到了其中的一个，无法理解

numpy.log1p（）

在代码的第三个管道中做了什么

我在谷歌上搜索了一下，numpy的文档显示了这一点

返回：

• 自然对数值为x+1的数组
• 其中x属于输入数组的所有元素

但是，在查找具有相同特征的原始数组和转换数组的偏度时，查找添加了一个（+1）的日志的目的是什么？它有什么作用

有人能给我指点路吗？

对于实值输入，

log1p

对于

x

非常小，以至于

1+x==1

的浮点精度也很高

例如，让我们添加一个很小的非零数字和

1.0

。舍入错误使其成为

1.0

>>> 1e-100 == 0.0
False
>>> 1e-100 + 1.0 == 1.0
True

如果我们尝试获取不正确总和的

日志

，我们会得到不正确的结果（与比较）：

但是如果我们使用

log1p（）

，我们会得到正确的结果

>>> np.log1p(1e-100)
1e-100

同样的原则适用于和：对于较小的

x

如果x在0…+Inf范围内，那么它永远不会导致错误（正如我们所知，日志（0）会导致错误）

---

并非总是最佳选择，因为正如您所看到的，当您的输入值很小时，使用

np.log1p

或

np.expm1

进行计算时，您将丢失x=0之前的一条大曲线，这是对数函数的最佳特性之一，根据。

的解释，您将得到比

np.log

或

np.exp

更准确的结果，因为零的日志会产生错误…我们从不给日志零，因为

feat\u-trial

中包含数据。顺便说一句，我的问题是取对数的意义是什么？好吧，我知道了，对数是用来响应大值的偏斜；i、 例如，一个或几个点比大量数据大得多的情况。但是为什么要在x上加1；虽然它甚至不是空的，并且里面有数据，但log1p对于求和日志概率（概率的一种常见表示）也很有用。更多详细信息，请参见“谢谢”，也很清楚这是否仅适用于较小的x值？由于我们给这个np.log1p（）的输入，即“feat_trial”中有很大的值，因此它们的精度对于所有的数字都是好的（尽管所有的浮点数对于较大的值都会失去精度），我不明白为什么log1p是有用的（而不仅仅是使用log（1+x））。如果我们假设x在[0；+inf]中，那么避免日志（0）错误并不是存在log1p（x）的原因，因为日志（1+p）永远不会引发该错误。

>>> np.log1p(1e-100)
1e-100