Сделка с переполнением в exp с помощью numpy
используя numpy, у меня есть это определение функции:
def powellBadlyScaled(X):
f1 = 10**4 * X[0] * X[1] - 1
f2 = numpy.exp(-numpy.float(X[0])) + numpy.exp(-numpy.float(X[1])) - 1.0001
return f1 + f2
эта функция оценивается огромное количество времени на процедуру оптимизации. Это часто вызывает исключение:
RuntimeWarning: overflow encountered in exp
Я понимаю, что операнд не может быть сохранен в выделенном пространстве для float. Но как мне преодолеть эту проблему?
5 ответов
вы можете использовать пакет bigfloat. Он поддерживает произвольные операции с плавающей запятой точности.
http://packages.python.org/bigfloat/
import bigfloat
bigfloat.exp(5000,bigfloat.precision(100))
# -> BigFloat.exact('2.9676283840236670689662968052896e+2171', precision=100)
вы используете фреймворк оптимизации функций? Обычно они реализуют границы значений (используя штрафные термины). Попробовать это. Соответствующие значения действительно экстрим? В оптимизации не редкость минимизировать log (f). (приблизительное правдоподобие журнала etc etc). Вы уверены, что хотите оптимизировать это значение exp, а не log(exp (f)) == f. ?
взгляните на мой ответ на этот вопрос: logit и обратные функции logit для экстремальных значений
кстати, если все,что вы делаете, это минимизировать powellBadlyScaled(x, y), то минимум находится в x -> + inf и y -> + inf, поэтому нет необходимости в цифрах.
можно использовать numpy.seterr
для управления включает в себя ведет себя в этой ситуации: http://docs.scipy.org/doc/numpy/reference/generated/numpy.seterr.html
вы также можете использовать модуль предупреждения для управления тем, как предупреждения представлены или не представлены:http://docs.python.org/library/warnings.html
возможно, вы можете улучшить свой алгоритм, проверив, для каких областей вы получаете предупреждения (он,вероятно, будет ниже определенных значений для X[ 0], X[ 1]) и заменив результат действительно большим числом. Вам нужно увидеть, как ведет себя ваша функция, я вещь, которую вы должны проверить, например exp(-x)+exp (- y)+x*y
в зависимости от ваших конкретных потребностей может быть полезно обрезать входной аргумент до exp()
. Если вы действительно хотите получить inf
если он переполняется или вы хотите получить абсурдно огромные числа, тогда другие ответы будут более уместными.
def powellBadlyScaled(X):
f1 = 10**4 * X[0] * X[1] - 1
f2 = numpy.exp(-numpy.float(X[0])) + numpy.exp(-numpy.float(X[1])) - 1.0001
return f1 + f2
def powellBadlyScaled2(X):
f1 = 10**4 * X[0] * X[1] - 1
arg1 = -numpy.float(X[0])
arg2 = -numpy.float(X[1])
too_big = log(sys.float_info.max / 1000.0) # The 1000.0 puts a margin in to avoid overflow later
too_small = log(sys.float_info.min * 1000.0)
arg1 = max([min([arg1, too_big]), too_small])
arg2 = max([min([arg2, too_big]), too_small])
# print(' too_small = {}, too_big = {}'.format(too_small, too_big)) # Uncomment if you're curious
f2 = numpy.exp(arg1) + numpy.exp(arg2) - 1.0001
return f1 + f2
print('\nTest against overflow: ------------')
x = [-1e5, 0]
print('powellBadlyScaled({}) = {}'.format(x, powellBadlyScaled(x)))
print('powellBadlyScaled2({}) = {}'.format(x, powellBadlyScaled2(x)))
print('\nTest against underflow: ------------')
x = [0, 1e20]
print('powellBadlyScaled({}) = {}'.format(x, powellBadlyScaled(x)))
print('powellBadlyScaled2({}) = {}'.format(x, powellBadlyScaled2(x)))
результат:
Test against overflow: ------------
*** overflow encountered in exp
powellBadlyScaled([-100000.0, 0]) = inf
powellBadlyScaled2([-100000.0, 0]) = 1.79769313486e+305
Test against underflow: ------------
*** underflow encountered in exp
powellBadlyScaled([0, 1e+20]) = -1.0001
powellBadlyScaled2([0, 1e+20]) = -1.0001
обратите внимание, что powellBadlyScaled2
didn't over / underflow, когда оригинал powellBadlyScaled
сделал, но модифицированная версия дает 1.79769313486e+305
вместо inf
в одном из тестов. Я думаю, их много. приложений, где 1.79769313486e+305
практически inf
и это было бы хорошо, или даже предпочтительнее, потому что 1.79769313486e+305
- действительное число и inf
нет.