在Python中，趋向于零的小浮点数

我有一个用Python编程的贝叶斯分类器，问题是当我乘以特征概率时，我得到非常小的浮点值，比如2.5e-320或类似的值，然后突然变成0.0。0.0显然对我没有用处，因为我必须根据哪个类返回最大值（更大的值）找到“最佳”类

处理这个问题的最佳方法是什么？我想找到这个数的指数部分（-320），如果它太低，就把这个值乘以1e20或类似的值。但也许有更好的方法？

从stdlib看一看

from decimal import Decimal, getcontext

getcontext().prec = 320

Decimal(1) / Decimal(7)

---

我没有在这里发布结果，因为它很长。

数字没有无限的精度，这就是为什么你看到数字变成了0。你能用一个大的标量乘以所有的概率，使你的数字保持在一个更高的范围内吗？如果你只担心最大值而不担心大小，你甚至不需要在最后费心去划分。或者，您可以使用无限精度的十进制，就像ikanobori建议的那样。

是否可以在对数空间中进行工作？（例如，不存储

1e-320

，只存储

-320

，并使用加法而不是乘法）

您描述的是朴素贝叶斯分类器的标准问题。你可以用它搜索底流来找到答案。或者看看

简而言之，用对数来表达所有这些是标准的。所以，你不用乘以概率，而是求它们的对数之和

---

您可能还需要查看其他分类算法。

这不是数学。在数学中，正数可以任意小。这是浮点。@S.Lott这绝对不是一道数学题。这与浮点数以及它们在Python和其他编程语言中的工作方式有关。我相信2.5e-320就是鲸鱼突然变成一碗牵牛花的确切概率。公平地说，S.洛特，这个下溢问题是机器学习文献中关于贝叶斯分类器的标准问题。因此，通过询问相关社区，OP会得到更多的服务。顺便说一句，这是数学中研究类似问题的部分。@Seth:这应该会让你用无限概率驱动力走得更远：）嘿！非常感谢你的回答，我会调查一下，因为这正好解决了我的问题。我想这应该是很常见的，因为我将概率像3.14e-05乘以很多倍，所以它们达到e-300水平（例如）相当快，当我的分类器中有很多功能时，甚至更快。是的，正如递归所提到的，这是通过使用对数和添加概率来解决的。在穆罕默德提供的链接中，所有内容都已解释。谢谢大家的回答！嘿你的解决方案似乎很好。它非常简单，似乎很容易尝试。谢谢我试试看。