Python numpy 浮點數精度問題

在復現FP(fictitious play, Iterative solution of games by fictitious play-page393)算法的時候，迭代到中間發現沒法復現paper里的結果，發現是numpy矩陣運算浮點數精度的問題。

具體問題

矩陣和向量相乘

\[\begin{pmatrix}

3 & 1 & 1 & 1

\end{pmatrix}

\times \begin{pmatrix}

3 & 1.1 & 1.2 \\

1.3 & 2 & 0 \\

0 & 1 & 3.1 \\

2 & 1.5 & 1.1

\end{pmatrix}

= \begin{pmatrix}

12.3 & 7.8 & 7.8

\end{pmatrix}

\]

然后取argmin想得到第一個7.8的index，也就是1。但由于精度的問題，導致兩個7.8實際不一樣大，取到了第二個7.8的index。

具體問題代碼為

import numpy as np

x = np.matrix([3,1,1,1])*np.matrix([[3,1.1,1.2],[1.3,2,0],[0,1,3.1],[2,1.5,1.1]])

print('matrix: ',x)

print('value: ',x[0,0],x[0,1],x[0,2])

print('index: ',np.argmin(x))

得到

matrix: [[12.3 7.8 7.8]]

value: 12.3 7.800000000000001 7.799999999999999

index: 2

可以發現明明相同的兩個7.8由于精度變成了兩個大小不同的數，所以argmin得到了2。

解決辦法

二進制固有的問題，只能自己手動近似，用保留小數點位數消除誤差。

如這里保留5位小數：

import numpy as np

x = np.round(np.matrix([3,1,1,1])*np.matrix([[3,1.1,1.2],[1.3,2,0],[0,1,3.1],[2,1.5,1.1]]),5)

print('matrix: ',x)

print('value: ',x[0,0],x[0,1],x[0,2])

print('index: ',np.argmin(x))

得到

matrix: [[12.3 7.8 7.8]]

value: 12.3 7.8 7.8

index: 1

注意事項

這個辦法不能解決所有問題，畢竟每個問題精度要求不一樣。但由于計算機二進制的原因，沒法從根本上解決，只能通過近似的方式，具體問題具體解決。

總結

以上是生活随笔為你收集整理的python3的float数精度_Python numpy 浮点数精度问题的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。