linux - 归一化值，加起来大于 1

Question

我有两个文件:

文件 1:

  TOPIC:topic_0 1294
  aa 234
  bb 123

  TOPIC:topic_1 2348
  aa 833
  cc 239
  bb 233

文件 2:

0.1 0.2 0.3 0.4 

这只是我的文件格式。基本上，当第二列(省略第一个“TOPIC”行)为每个主题求和时，它构成为 1，因为它们是标准化值。同样，在文件 2 中，值被归一化，因此它们也构成 1。

我将文件 1 和 2 的值相乘。生成的输出文件如下所示:

aa 231
bb 379
cc 773

输出文件的第二列的总和应为 1。但很少有文件的值略大于 1，如 1.1、1.00038。如何精确地为输出文件获取 1？我应该做一些四舍五入吗？

PS:格式只是举例，取值和用词不同。这仅用于理解目的。请帮我解决这个问题。

Answer 1

Python 以 base-2 存储浮点小数。

https://docs.python.org/2/tutorial/floatingpoint.html

这意味着某些小数可能以 10 为底终止，但以 2 为底重复，因此在将它们相加时会出现浮点错误。

这涉及到一些数学问题，但想象一下以 10 为基数试图表达 2/6 的值。当您从分子和分母中消除公因子时，它是 1/3。

它是 0.333333333..... 永远重复。我稍后会解释为什么，但现在，请理解如果只存储小数点的前 16 位，例如，当您将数字乘以 3 时，您不会得到 1，您将得到 .9999999999999999 , 这有点偏离。

只要有重复的小数，就会出现这种舍入错误。

这就是为什么您的数字不以 10 进制重复，但以 2 进制重复。

小数以 10 为基数，质因数为 2^1 * 5^1。因此，对于以 10 为底的任何比率，其分母必须是 2 和 5 的组合的质因数，除此之外别无其他。

现在让我们回到 Python。每个小数都存储为二进制。这意味着为了使比率的“小数”终止，分母必须仅是 2 的质因数而不是其他任何东西。

您的数字以 2 为基数重复。

1/10 的分母为 (2*5)。2/10 减少到 1/5，分母仍然是 5。3/10...好吧，你明白了。