是大O（logn）日志基础？
对于二进制search树型数据结构，我看到大O表示法通常记为O（logn）。 在日志中使用小写“l”，这是否意味着以自然对数描述的对数基数e（n）？ 对不起，这个简单的问题，但我一直无法区分不同的暗示对数。
一旦用big-O（）表示法表示，两者都是正确的。 然而，在O（）多项式的推导过程中，在二分search的情况下，只有log 2是正确的。 我认为这个区别是对你的问题直观的启发。
另外，作为我的观点，写O（log 2 N）对于你的例子来说更好，因为它更好地传达了algorithm运行时的推导。
在big-O（）表示法中，常数因子被删除。 从一个对数基数转换到另一个对数基数乘以一个常数因子。
所以O（log N）等于O（log 2 N）由于一个常数因素。
但是，如果您可以在答案中轻松排版log 2 N，那么这样做更具教育意义。 在二叉树search的情况下，在导出big-O（）运行时期间引入log 2 N是正确的。
在将结果表示为big-O（）表示法之前，区别非常重要。 当通过大O符号导出要传送的多项式时，在应用O（） – 表示法之前，使用log 2 N以外的对数对该示例是不正确的。 只要多项式用于通过big-O（）表示法传递最坏情况的运行时间，使用什么对数就没有关系。
大O符号不受对数基的影响，因为不同基中的所有对数都是一个常数因子 ， O(ln n)等于O(log n) 。
因为大O符号通常写成只显示n的渐近最高阶，所以它的基数并不重要，所以常数系数将会下降。 由于不同的对数基数相当于一个常数系数，这是多余的。
这就是说，我可能会假设日志2。
从技术上来说，基地并不重要，但是你通常可以将其视为基地-2。
是的，在谈论大O符号时，基地并不重要。 然而，在面对真正的search问题时，计算是很重要的。
在开发关于树结构的直觉时，理解可以在O（n log n）时间内search二叉search树是有帮助的，因为那是树的高度 – 也就是说，在具有n个节点的二叉树中，树深度是O（n log n）（基数2）。 如果每个节点有三个孩子，树仍然可以在O（n log n）时间内search，但是以3为底的对数。 从计算的angular度来看，每个节点的子节点数对性能有很大的影响（参见例如： 链接文本 ）
请享用！
保罗
两者都是正确的。 想想这个
log2(n)=log(n)/log(2)=O(log(n)) log10(n)=log(n)/log(10)=O(log(n)) logE(n)=log(n)/log(E)=O(log(n))
