特征浮点精度答案

【问题标题】：Eigen floating-point precision特征浮点精度
【发布时间】：2016-02-22 04:09:26
【问题描述】：

我在使用 Eigen 时遇到浮点精度问题。

我有两个Eigen::MatrixXd；第一个矩阵 A (nx1) 仅包含正整数，而第二个矩阵 B (nx1) 包含一个填充了相同实数的列（例如：-0.714312）。

我需要计算以下Eigen::MatrixXd：

const auto exponential = [](double x)
{ return std::exp(x); };


MatrixXd W = B.unaryExpr(exponential);
MatrixXd residuals = A - W;

问题是当我打印残差之和时：

cout << residuals.sum();
// output = 6.16951e-06

通过使用 R 和相同的输入矩阵执行相同的操作，我得到了不同的值。

通过使用 R 矩阵，我得到 -2.950208e-09。而A、B和W的元素之和在C++和R中都是一样的。

【问题讨论】：

【解决方案1】：

可能是 R 使用具有扩展精度（80 位）的 x87 FPU，而 Eigen 使用 SSE 单元（64 位/双精度）。您可以通过使用Matrix<long double,Dynamic,Dynamic> 矩阵类型或确保您的编译器将针对 x87 FPU 单元进行检查。

【讨论】：