numpy.log1p（）的目的是什么？

Question

嘿，我是kaggle的新手，正在研究 House预测数据集。我刚刚遇到其中一个Kernels，无法理解numpy.log1p()在此代码的第三个管道中做了什么

我用谷歌搜索它，numpy的文档告诉它

退货：

• 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。

但是在找到相同特征的原始和转换数组的偏度时，找到添加了一个（+1）的日志的目的是什么？它做了什么？

有人可以指导我吗？

Answer 1

NumPy docs give a hint：

  

对于实值输入，log1p对于x也是准确的，以1 + x == 1为浮点精度。{/ p>

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

如果我们尝试获取该错误总和的log，我们会得到错误的结果（与WolframAlpha相比）：

>>> np.log(1e-100 + 1)
0.0

但如果我们使用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exp1m()和logaddexp()：小x更准确。

Answer 2

如果x的范围是0 ... + Inf，则它将永远不会导致错误（因为我们知道log（0）会导致错误）。

并非始终是最佳选择，因为如您所见，在x = 0之前您将失去一条大曲线，这是关于对数函数的最好的事情之一

Answer 3

当您的输入值太小时，使用np.log1p或np.expm1进行计算，根据以下解释，您将获得比np.log或np.exp更准确的结果this link。