Comment faire face à des nombres flottants qui peuvent devenir si petits que le devenir

Question

Donc je viens de corriger un bug intéressant dans le code suivant, mais je ne suis pas sûr de l'approche que j'ai prise le meilleur:

p = 1 
probabilities = [ ... ] # a (possibly) long list of numbers between 0 and 1 
for wp in probabilities: 

    if (wp > 0): 
    p *= wp 

# Take the natural log, this crashes when 'probabilites' is long enough that p ends up 
# being zero 
try: 
    result = math.log(p) 

Parce que le résultat n'a pas besoin d'être exact, je résolu ce problème en gardant simplement la plus petite valeur non nulle, et l'utilisation que si p est toujours 0.

p = 1 
probabilities = [ ... ] # a long list of numbers between 0 and 1 
for wp in probabilities: 

    if (wp > 0): 
    old_p = p 
    p *= wp 
    if p == 0: 
     # we've gotten so small, its just 0, so go back to the smallest 
     # non-zero we had 
     p = old_p 
     break 

# Take the natural log, this crashes when 'probabilites' is long enough that p ends up 
# being zero 
try: 
    result = math.log(p) 

cela fonctionne, mais il semble un peu kludgy à moi. Je ne fais pas une tonne de ce genre de programmation numérique, et je ne suis pas sûr si c'est le genre de correctif que les gens utilisent, ou s'il y a quelque chose de mieux que je peux faire.

Answer 1

Depuis, math.log(a * b) est égal à math.log(a) + math.log(b), pourquoi ne pas prendre une somme des journaux de tous les membres du tableau probabilities?

Cela permettra d'éviter le problème de p si petit qu'il se décharge.

Edit: ceci est la version numpy, ce qui est plus propre et beaucoup plus rapide pour les grands ensembles de données:

import numpy 
prob = numpy.array([0.1, 0.213, 0.001, 0.98 ... ]) 
result = sum(numpy.log(prob))