numpy - 使用 NumPy 避免联合概率的下溢

Question

我面临在简单设置中估计自变量的联合概率的问题。目前我有一个包含 100 个随机变量的数组，我想在不陷入下溢问题的情况下获得它们的联合概率。任何想法如何在 numpy 中实现这个目标？如果可能的话？

如果没有，请有人进一步向我解释 NumPy 例程(logaddexp)的作用，因为我认为在这种情况下它可能对我有帮助。

Answer 1

logaddexp允许您通过存储和处理它们的对数来扩展可表示值的范围(降低精度)。

e1, e2 = np.log(p1), np.log(p2)    # convert p1, p2 to log form
e1e2 = e1 + e2                     # e1e2 is now np.log(p1 * p2)
e3 = np.logaddexp(e1, e2)          # e3 = np.log(p1 + p2)

您只需要修改代码 **至 * , *至 +和 +至 np.logaddexp ，然后用 np.exp 转换回来在末尾。

正常的 64 位 double 浮点具有最小正正常值 2.2E-308；存储日志给你一个有效的最小正态 1E-(1.7E308)。