Numpy数值稳定性答案

【问题标题】：Numpy numerical stability [duplicate]Numpy数值稳定性
【发布时间】：2020-08-04 07:19:20
【问题描述】：

我有一个机器学习模型，它输出直到小数点后一位的概率（即 0.0、0.1、0.2、... 1.0）

写循环时

for i in np.arange(0,1.1,0.1)
    if p >= i:
       print('yes for i = %f' % i)
    else:
       print('no for i = %f' % i)

但问题是np.arange 为三个值输出了一个轻微的数字错误：

0.3变成0.30000000000000004：

0.6 变成 0.6000000000000001：

0.7 变成 0.7000000000000001

当p=0.6时，这将导致输出

没有 i = 0.6000000000000001

我该如何规避这个问题？

【问题讨论】：

这能回答你的问题吗？ Is floating point math broken?
@Keldorn：OP 的问题是如何解决它，而不是它为什么会发生，但您链接上的一些答案包含解决方案。 numpy floating point comparison 的问题可能就在附近，尽管在某些情况下答案不如您的链接有用。
@Andris OP 的问题是基于一个错误的前提。 0.3 没有变成 0.30000000000000004，没有 0.3 开头。这是由于对浮点运算的误解。看起来主持人同意了，因为问题已作为重复关闭。
我知道浮点表示，但 scitkit 学习模型将其作为一个值返回，所以当某些值不可表示时，它们首先是如何返回的？

标签： python numpy numeric

【解决方案1】：

“轻微的数字错误”不是数字错误，而是浮点数的一个已知问题：它们是两个存储的二进制和can't represent all real numbers 的分数之和。

如果您希望打印精确的 n 位数字，您可能希望使用格式字符串进行打印，例如%.1f 而不是 %f。

要解决比较行为，您可以更改存储数字的方式（但考虑到您使用它们的字段，我怀疑这是一个好主意）或更改比较它们的方式：为两个数字之间的 epsilon“错误”差异留出空间.如果你不想实现自己的方式来做，你可以use numpy/math isclose for checking equality这样：

import numpy as np

p = 0.6

for i in np.arange(0,1.1,0.1):
    if p > i or np.isclose(p,i):
        print('yes for i = %f' % i)
    else:
        print('no for i = %f' % i)

根据您实际希望做的事情而不是您给出的最小示例，一次执行比较可能会更有效：

i = np.arange(0,1.1,0.1)
compres = np.logical_or(p>i, np.isclose(p,i))

for i, ge in zip(i, compres):
    if ge:
        print('yes for i = %.1f' % i)
    else:
        print('no for i = %.1f' % i)

编辑：我删除了乘以 10000 并在比较之前进行舍入的想法，因为它可能会导致舍入错误，例如0.649999 与 0.650001 的情况。它可能很有用，但要谨慎。

【讨论】：