log(n!) = θ(n*log(n))

于 2023-02-15 10:21:51 发布
阅读量427 收藏 1
点赞数
文章标签： 算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_52803209/article/details/129038292
版权

首先化简：

log(n!) = log(1) + log(2) + ... + log(n-1) + log(n)

求上界：

log(1) + log(2) + ... + log(n) <= log(n) + log(n) + ... + log(n)
                                = n*log(n)
故 log(n!) = O(n*log(n))

求下界：

log(1) + ... + log(n/2) + ... + log(n) >= log(n/2) + ... + log(n) 
                                       = log(n/2) + log(n/2+1) + ... + log(n-1) + log(n)
                                       >= log(n/2) + ... + log(n/2)
                                       = n/2 * log(n/2) 
故 log(n!) = θ(n*log)

上界等于下界，所以确界就是theta(n*log(n)).

参考
Is log(n!) = Θ(n·log(n))?

woxinpengpai
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
证明：log(n!)与nlogn是等价无穷大
编程语言小筑
05-20 1684
（log的底大于1即可） 1、首先由Stirling's formula： 也就是分子、分母是等价无穷大(n-&gt;oo)。 2、再来证明log(n!) 与 nlogn是等价无穷大(n-&gt;oo)： 挺不可思议的，n! 与 n^n相差很大，但取对数后就相差不了多少了。再上张图： 看图发现两者还不是很“靠近”，我想了一下原因，还是因为极限式的最后一项1/lnn不够...
vim-eqshow:一个很好地显示数学的vim插件
06-02
Vim-Eqshow 这是什么？ Vim-eqshow 在数学视图中漂亮地打印出你的数学公式。 如果你有这个代码 % <maths> h = sigmoid(X * theta); % </maths> theta2 = theta(2:end,:); % <maths> J = (1 / m) * sum(-y .* log(h) - (1 - y) .* log(1 - h)) + lambda / m * sum(theta2 .^ 2); % </maths> theta2 = [0;theta(2:end,:)]; % <maths> grad = (1 / m) * X' * (h - y) + lambda / m * theta2; % </maths> 您可以通过启用数学视图来可视化包含的数学，并查看： % <maths> h = σ(X * θ) % </ma
python实现logistic分类算法代码
01-20
最近在看吴恩达的机器学习课程，自己用python实现了其中的logistic算法，并用梯度下降获取最优值。 logistic分类是一个二分类问题，而我们的线性回归函数 的取值在负无穷到正无穷之间，对于分类问题而言，我们希望假设函数的取值在0~1之间，因此logistic函数的假设函数需要改造一下 由上面的公式可以看出，0 < h(x) < 1，这样，我们可以以1/2为分界线 cost function可以这样定义 其中，m是样本的数量，初始时θ可以随机给定一个初始值，算出一个初始的J(θ)值，再执行梯度下降算法迭代，直到达到最优值，我们知道，迭代的公式主要是每次减少一个偏导量 如果将
logistic回归的损失函数（lost function）原理
01-06
logistic回归的损失函数和极大似然估计的关系 记 Φ(x)=11+e−θx \Phi(x)=\frac{1}{1+e^-{\theta x}} Φ(x)=1+e−θx1​ 我们可以把这个sigmoid函数的值看做y等于1的后验估计概率，也就是： p(y=1∣x)=Φ(x) p(y=1|x)=\Phi(x) p(y=1∣x)=Φ(x) 那么y=0的时候自然是补事件 p(y=0∣x)=1−Φ(x) p(y=0|x)=1-\Phi(x) p(y=0∣x)=1−Φ(x) 我们可以把这两个式子简化一下,得到 p(y∣x)=Φ(x)y(1−Φ(x))1−y p(y|x)=\Phi(x)^y(1-\P
编程作业2 logistic_regression（逻辑回归）(吴恩达)
01-20
文章目录编程作业2 logistic_regression（逻辑回归）1.准备数据2.sigmoid 函数3.cost function(代价函数)4.gradient descent(梯度下降)5.拟合参数6.用训练集预测和验证7.寻找决策边界8.推导 编程作业2 logistic_regression（逻辑回归） 推荐运行环境：python 3.6 建立一个逻辑回归模型来预测一个学生是否被大学录取。根据两次考试的结果来决定每个申请人的录取机会。有以前的申请人的历史数据， 可以用它作为逻辑回归的训练集 python实现逻辑回归 目标：建立分类器（求解出三个参数 θ0 θ1 θ2）即得出分
log(n!) = Θ(n·log(n))
piaopiaolanghua的专栏
07-19 8869
参考：http://stackoverflow.com/questions/2095395/is-logn-nlogn 因为可以容易地证明出N^N是N!的一个上界，(N/2)^(N/2)是N!的下界。 所以N! =Θ(N^N)， 因为也就能推导出"log(n!) = Θ(n·log(n))"。 写的太粗糙了，忘了严谨的证明怎么写了，反正大概理解个思路就行。 哎，为什么要搞这个呢？
时间复杂度：O(log1+log2+...+logn)=O(log(n!))=O(nlogn)
热门推荐
马德里小铁匠的铁匠铺
07-07 1万+
最近遇到一个问题： log1+log2+…+logn这样的复杂度是多少，当时直接想的是nlogn 但是上面加起来应该是logn！的。 这两个应该是相等的，怎么证明呢？ 查了下资料： 1、首先由Stirling’s formula： 也就是分子、分母是等价无穷大(n-&gt;oo)。 2、再来证明log(n!) 与 nlogn是等价无穷大(n-&gt;oo)： 挺不可思议的...
基于比较的排序算法的最坏情况下的最优下界为什么是O(nlogn)
sekever的博客
09-28 2238
1.决策二叉树 回答这个问题之前我们先来玩一个猜数字的游戏，我从1到8中挑一个数字出来让你来猜，每回合你都可以问我一个问题，我的回答“是”或“不是”（1或0），那么你至少需要几个回合才能保证猜出这个数字？比较符合这个游戏精神的玩法是从自己的幸运数字（比如我的是7）开始猜起，一个一个地问我“是不是X？”，可能你的运气足够好，一个回合就能够猜对，但是在最坏的情况下可能就需要8个回合，所以你的答案应该是“至少需要8个回合”（事实上你至少只需要一次就“有可能”猜出来，但为了“保证能”猜出来，你只好委曲求全地说8），
算法课笔记
H4ppyD0g的博客
02-22 312
这段时间学校采用线上课上课方式，由于没有课本，只能把笔记记在博客上了，大部分图片来自亲老师的课件，我猜老师不会无情到追究版权问题吧 ???? 函数渐进的界 渐进上界O 算法在任何实例情况下，其时间复杂性的阶不超过g(n)的阶,f(n)=O(g(n))。 即对于f(n)这个实例复杂性的集合，所有的阶都小于等于g的阶，但是fmax(n)的阶必须等于g的阶。 非紧渐进上界o 算法在任何实例情况下，其算法...
计算log(N!)
shellhard的博客
04-22 4429
poj1423是一道计算阶乘位数的题，假设我们要求10！的位数，我们知道log10(10！)的值向下取整就是10！的位数，这里我们用stirling公式： lnN!=NlnN－N+0.5ln(2N*pi)
GMM模型和EM算法
01-07
GMM模型和EM算法 高斯混合模型GMM 上图的分布很难用一个高斯分布进行...p(x∣z=j,θ)=N(x;μj,Σj)θ≡{πj,μj,Σj;j=1,2,…,K};j=1,2,…,K \begin{array}{l}p(x|\theta ) = \sum\limits_{j = 1}^K p (x,z = j|\th
堆排序算法分析
weixin_44401701的博客
01-10 496
堆排序算法分析 一、简介 堆排序算法是利用堆进行排序的方法，基本思想为：将待排序的序列构造成一个小（大）堆，此时，堆顶的元素就是整个序列的最小值（最大值），然后，将它移走（和堆数组末尾元素交换），然后将剩下的n-1个元素重新构建成一个堆，得到n个元素中的次小（大）堆，反复执行，就会得到一个有序序列了。 堆性质： 它是一个完全二叉树 小堆：每个结点的值都小于或等于其左右孩子的结点值 大堆：每个结点的值都大于或等于其左右孩子的结点值 排升序：建立大堆 排降序：建立小堆 二、复杂度计算 构建堆
关于算法中复杂度log(n) 的理解
梅林's hat
12-06 2256
的算法复杂度，典型的比如二分查找。设想一堆试卷，已经从高到底按照分数排列了，我们现在想找到有没有59分的试卷。怎么办呢？先翻到中间，把试卷堆由中间分成上下两堆，看中间这份是大于还是小于59，如果大于，就留下上面那堆，别的丢掉，如果小于，就留下下面那堆，丢掉上面。然后按照同样的方法，每次丢一半的试卷，直到丢无可丢为止。 假如有32份试卷，你丢一次，还剩16份 ，丢两次，还剩下8 份，丢三次，就只剩下4份了，可以这么一直丢下去，丢到第五次，就只剩下一份了。而 。也就是我们一次丢一半，总要丢到只有一份的时...
基于比较排序的算法复杂度的下界
aitie1479的博客
04-28 1128
2019-04-2820:51:54 首先，所有基于比较的排序算法，都是以决策树模型作为依据的。 对于待排序的 n 个元素，其所有可能的排序种数为 n! ，其决策树高度为h （即为排序算法比较的次数）高度为 h 的决策树，最多有叶子节点 个，所以就有 由斯特林近似公式： 得 其中，故，的渐近下界为 【补充】 如果不使用斯特林公式，依然可以证明得到log(n...
算法的时间复杂度分析之O(logn)、O(nlogn)
e891377的专栏
10-16 8819
复杂度分析之O(logn)、O(nlogn) 对数阶时间复杂度非常常见，同时也是最难分析的一种时间复杂度。我通过一个例子来说明一下。 int i = 1; while (i <= n) { i = i * 2; } 根据我们前面讲的复杂度分析方法，第三行代码是循环执行次数最多的。所以，我们只要能计算出这行代码被执行了多少次，就能知道整段代码的时间复杂度。从代码中可以看出，变量 i 的值从 1 开始取，每循环一次就乘以 2。当大于 n 时，循环结束。还记得我们高中学过的等比数列吗？实际上，
#算法 算法复杂度的分析的数学基础
Franklins_Fan的博客
04-12 920
算法导论(第三版) 第三章 1. 有关渐进符号 1.1渐近符号的书面定义 三个主要的渐进符号： 渐进符号 含义 Θ O Ω 两个次级的渐进符号： 渐进符号 含义 o ω 1.2渐近符号的含义 渐进符号 含义 函数（使得对于足够大的n） Θ 渐进紧确界 O 渐进上界 Ω 渐进下界 o 非渐...
平衡二叉树的插入与删除
pjmike的博客
08-09 8970
定义 AVL树是带有平衡条件的二叉查找树。它要求在AVL树中任何节点的两个子树的高度(高度是指节点到一片树叶的最长路径的长) 最大差别为1,如下图所示: 为什么有AVL树 大多数BST操作，例如搜索，最大，最小，插入，删除等，消耗取O（h）时间，h是BST的高度。对于倾斜的二叉树，这些操作的成本可能会变成O(n)。 如果我们在每次插入和删除之后确保树的高度保持O（Logn），那么我...
【算法设计与分析】06 几类重要的函数
厚积薄发
09-15 1万+
本篇文章中会用到上一篇文章的定理：【算法设计与分析】05 有关函数的渐进的界的定理 主要学习常见的一些函数的阶 1. 基本函数类 以下按阶的高低排序： 至少指数级： 2n, 3n, n!, … 多项式级： n, n2, nlogn, n1/2, … 对数多项式级： logn, log2n, loglogn, … 1.1 对数函数 算法中常用的符号： 性质： 下面对上面的性质进行证明： ...
时间复杂度 O(log n) 意味着什么？
weixin_34342992的博客
10-17 2141
本文讲的是时间复杂度 O(log n) 意味着什么？， 原文地址：What does the time complexity O(log n) actually mean? 原文作者：Maaz 译文出自：掘金翻译计划 译者：cdpath 校对者：zaraguo (zaraguo),whatbeg (Qiu Hu) 时间复杂度 O...
L_NSP (θ,θ_2 )=-∑_(j=1)^N▒〖log⁡p(n=├ n_j ┤|θ,θ_2 ) 〗,n_j∈[IsNext，NotNext] 解释
最新发布
08-29
L_NSP (θ,θ_2 )=-∑_(j=1)^N▒〖log⁡p(n=├ n_j ┤|θ,θ_2 ) 〗,n_j∈[IsNext，NotNext]是基于θ和θ_2的损失函数。 该损失函数计算的是预测下一个句子是否与当前句子相关的概率的对数的负数之和，记为L_NSP。...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值