Python 浮点型Numpy矩阵逆

我得到了一个由128个值组成的矩阵'x'，我得到了下一个错误：

> q = (inv(xt * x) * xt) * n
> array type float128 is unsupported in linalg

其中xt是x和n的转置矩阵。使用该矩阵的所有其他操作都正确处理，如转置或矩阵乘积

---

是的，在这种情况下我需要float128，否则结果将与我们作为参考的更接近实际值的结果不同。

numpy中没有float128数据类型。支持的numpy数据类型可在此处找到：

---

如果您需要解决方法，您可以尝试使用numpy C API中的

NPY_LONGDOUBLE

，这个错误消息对我来说似乎很简单：numpy中的float128支持不完整或不一致。@xnx是的，我需要一个解决方法：p这听起来有点像。如果您要根据预期的参考结果测试计算出的浮点结果，那么无论如何都不能期望精确相等，因此您需要在测试中建立一个容差；再多的精确性也无法消除这种需求。（当然，公差应该是什么是另一个困难且依赖于任务的问题。）你确定需要额外的精度吗？另一条评论：从你展示的代码来看，看起来你在解决一个最小二乘问题。是否有任何理由不使用现有的NumPy和SciPy例程进行最小二乘？与国产版本相比，这些版本在数量上可能更稳健。（特别是，实际上反转

xt*x

并不是解决最小二乘问题的最有效或最稳定的方法。）相关：。直接反转矩阵几乎从来都不是一个好主意。这取决于平台。在OSX上，有

numpy.float128

dtype，尽管它没有提供您可能希望的IEEE 754二进制128格式。它对应于标准的80位x87扩展精度类型，具有6个字节的填充。（类似地，在Linux上通常有

numpy.float96

dtype。）Nathaniel Smith的精彩回答中有更多信息：这是一篇很好的帖子，它很好地解释了事情。似乎我的答案并没有真正回答这个问题，但如果

longdouble

是解决问题的方法，那么我可以指出一个答案。我怀疑OP已经在使用

np.longdouble

。这就是问题的原因！对

np.longdouble

类型的支持并没有深入到核心线性代数运算。