使用 NumPy 避免联合概率的下溢

Question

我面临一个问题，即在简单的设置中估计自变量的联合概率。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 中实现这一目标？如果可能的话？

如果不能，请进一步解释一下 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)

您只需要检查您的代码，将** 更改为*、* 更改为+ 和+ 更改为np.logaddexp，并在最后转换回np.exp。

普通的 64 位双精度浮点数的最小正数为 2.2E-308；存储日志可以为您提供有效的最小正数正常 1E-(1.7E308)。