如何处理号码溢出？答案

【问题标题】：How to handle number overflow?如何处理号码溢出？
【发布时间】：2015-10-25 13:57:29
【问题描述】：

我正在使用 numpy 计算趋势线斜率：

xs = []
ys = []
my_x = 0
for i in range(2000):
    my_x += 1
    ys.append(5*my_x+random.rand())
    xs.append(my_x)

A = matrix(xs).T;
b = matrix(ys).T;
N = A.T*A
U = A.T*b
print N,U
a = (N.I*U)[0,0]    
print a

我得到的结果是a=-8.2053307679，而不是预期的5。可能是因为变量N 中的数字太大了。

如何克服这个问题？任何帮助将不胜感激。

【问题讨论】：

标签： python numpy curve-fitting integer-overflow

【解决方案1】：

当我运行代码时，答案如你所料：

[[2668667000]] [[  1.33443472e+10]]
5.00037927592

这可能是因为您使用的是 32 位系统，而我使用的是 64 位系统。相反，您可以使用

A = matrix(xs, dtype='float64').T;
b = matrix(ys, dtype='float64').T;

仅供参考，使用 numpy 时，如果您致力于对算法进行矢量化处理，效率会更高。例如，您可以将前几行替换为：

xs = np.arange(2000)
ys = 5 * xs + np.random.rand(2000)

编辑——还有一件事：在数值上，在进行此类计算时显式反转矩阵是一个坏主意。最好在算法中使用a = np.linalg.solve(N, U)[0, 0] 之类的东西。在这里不会有太大的不同，但如果你转向更复杂的问题，它肯定会！有关此问题的一些讨论，请查看this article。

【讨论】：

【解决方案2】：

:) 问题通过使用解决：

A = matrix(xs,float64).T;
b = matrix(ys,float64).T;

【讨论】：