Python dot产品的numpy机器精度？

如何处理numpy中的浮点精度？例如，在下面的

a==0

中，返回False，即使在机器精度范围内为0：

a = -2.22044605e-16

这是一个特别的问题，因为我使用向量的点积，结果似乎受到影响，即a被视为“负数”

np.finfo(float).eps 

返回-2.22044605e-16

以下是一个例子：

a = np.array([[-2.22044605e-16,-2.22044605e-16]])

b = np.array([[5,5]])

np.dot(a,b)
array([[ -2.22044605e-15]])

a = np.array([[-2.22044605e-16,2.22044605e-16]])
np.dot(a,b.T)
array([[ 0.]])

试试看

从链接：

numpy.allclose（a、b、rtol=1e-05、atol=1e-08）

如果两个数组在公差范围内元素相等，则返回True

公差值为正值，通常为非常小的数字。这个 相对差（rtol*abs（b））和绝对差 加在一起，以对比 a和b

如果任一数组包含一个或多个NAN，则返回False。INF是 如果它们位于同一位置且具有相同的登录，则视为平等 两个阵列

---

如果以下等式为元素态True，则allclose返回

True

：

    absolute(a - b) <= (atol + rtol * absolute(b))

所以：

而不是做：

>>> 0 == -2.22044605e-16
False

做：

试试看

从链接：

numpy.allclose（a、b、rtol=1e-05、atol=1e-08）

如果两个数组在公差范围内元素相等，则返回True

公差值为正值，通常为非常小的数字。这个 相对差（rtol*abs（b））和绝对差 加在一起，以对比 a和b

如果任一数组包含一个或多个NAN，则返回False。INF是 如果它们位于同一位置且具有相同的登录，则视为平等 两个阵列

---

如果以下等式为元素态True，则allclose返回

True

：

    absolute(a - b) <= (atol + rtol * absolute(b))

所以：

而不是做：

>>> 0 == -2.22044605e-16
False

做：

---

虽然

a

可能等于，但并不等于零！实际上，

2.22044605e-16

远大于float64的最小可表示值，即：

np.finfo(float).tiny  # = 2.2250738585072014e-308

---

我猜你在这里看到的是。在第二个示例中，您很幸运，舍入错误被抵消。

尽管a可能等于，但它不等于零！实际上，

2.22044605e-16

远大于float64的最小可表示值，即：

np.finfo(float).tiny  # = 2.2250738585072014e-308

---

我猜你在这里看到的是。在第二个示例中，幸运的是，舍入误差被抵消了。

处理浮点精度的确切含义是什么？

-2.22044605e-16

在机器精度之前不是零（并且是负数）。。。我不确定你的意思……你误解了

分辨率属性。它是
10**-precision
，其中
precision
是您正在检查的浮点类型可用的精度小数位数的近似值。因此，
resolution
是一个（相当糟糕的）最小值的近似值，可以添加到
1.0
，而不必返回
1.0
。参见.np.finfo（float）.eps返回-2.22044605e-16。我该怎么解释呢？[5,5]。点。[-x，x]=-5x+5x=0，不管x是什么，也就是说，x可以是2.22044605e-16或其他任何东西。处理浮点精度的确切含义是什么？
-2.22044605e-16
不等于零，而等于机器精度（它是一个负数）。。。我不确定你的意思……你误解了
分辨率属性。它是
10**-precision
，其中
precision
是您正在检查的浮点类型可用的精度小数位数的近似值。因此，
resolution
是一个（相当糟糕的）最小值的近似值，可以添加到
1.0
，而不必返回
1.0
。参见.np.finfo（float）.eps返回-2.22044605e-16。我该怎么解释呢？[5,5]。点。[-x，x]=-5x+5x=0，不管x是什么，也就是说，x可以是2.22044605e-16或其他任何东西。0==-2.22044605e-16实际上不是我正在做的，这只是一个例子。重点是，如果我有两个数组，a和b，其中有一堆-2.22044605e-16，我取它们的点积，结果是不同的（见问题中的加法），这是一个很好的精度问题的答案。事实上，由于他的向量值被初始化为O（1e-16），我不认为精度是这里的问题。0==-2.22044605e-16实际上不是我要做的，这只是一个例子。重点是，如果我有两个数组，a和b，其中有一堆-2.22044605e-16，我取它们的点积，结果是不同的（见问题中的加法），这是一个很好的精度问题的答案。事实上，因为他的向量值被初始化为O（1e-16），所以我不认为精度是这里的问题。