y = A x n y=Ax^n y=Axn
x = np.linspace(1,10,10)
y = 1 * x**3
plt.plot(y)
x = np.linspace(1,10,10)
y = 1 * x**3 + np.random.randn(10,) # 随机加一点噪声
plt.scatter(x,y)
但如果我们对这个函数两边取对数,也就是采用对数尺度来衡量这个函数,那么
l o g y = l o g A + l o g x n = l o g A + n l o g x logy=logA + logx^n=logA + nlogx logy=logA+logxn=logA+nlogx
即,使用 l o g log log 尺度的坐标系的话,这个函数其实可以看做是 y = A + n x y=A+nx y=A+nx 所以在对数标尺的图像应该是个直线
x = np.linspace(1,100,100)
y = 1 * x**3
plt.plot(y)
plt.xscale('log')
plt.yscale('log')
plt.plot(y)