提问人：Fırat Kıyak 提问时间：2/25/2022 最后编辑：Fırat Kıyak 更新时间：6/11/2022 访问量：1229
如何避免numpy.random.choice中的舍入错误？
How to avoid roundoff errors in numpy.random.choice?
问：
比如说x_1，x_2，...，x_n是n个对象，人们想选择其中一个，这样选择x_i的概率就成正比，u_i某个数字。Numpy为此提供了一个函数：
x, u = np.array([x_1, x_2, ..., x_n]), np.array([u_1, ..., u_n])
np.random.choice(x, p = u/np.sum(u))
但是，我观察到此代码有时会抛出一个 ValueError，说“概率总和不等于 1”。这可能是由于有限精度算术的舍入误差所致。应该怎么做才能使此功能正常工作？
答：
0赞
vovakirdan
2/25/2022
#1
根据 NumPy 文档，我们必须使用 .
所以我认为如果 u-array 是概率数组，那么你可以尝试一下：p1-D array-like
x, u = np.array([x_1, x_2, ..., x_n]), np.array([u_1, ..., u_n])
np.random.choice(x, p = u)
或
x, u = np.array([x_1, x_2, ..., x_n]), np.array([u_1, ..., u_n])
s = sum(u)
u1 = [i/s for i in u]
np.random.choice(x, p = u1)
评论
0赞
Fırat Kıyak
3/4/2022
这不能回答我的问题。第二个代码与我发布的代码几乎相同。我担心由于除法过程中的有限精度算术而发生的累积误差。这可能导致概率总和不等于（确切地）1。
5赞
Fırat Kıyak
3/9/2022
#2
在阅读了@Pychopath指出的问题的答案 https://stackoverflow.com/a/60386427/6087087 后，我找到了以下解决方案，其灵感来自numpy.random.multinomial https://docs.scipy.org/doc/numpy-1.15.0/reference/generated/numpy.random.multinomial.html 的文档
Say 是概率数组，即使我们用 对其进行归一化，也可能不完全是由于舍入误差造成的。这并不罕见，请参阅@pd Shah在答案 https://stackoverflow.com/a/46539921/6087087 的评论。p1p = p/np.sum(p)
只是做
p[-1] = 1 - np.sum(p[0:-1])
np.random.choice(x, p = p)
问题就解决了！由于减法导致的舍入误差将比归一化导致的舍入误差小得多。此外，人们不必担心 p 的变化，它们属于舍入误差的顺序。
评论
1赞
Leopd
9/15/2022
最好使用，因为有时舍入错误会导致最终数字为负数（如 -1e-16），这也将失败，但p[-1] = max(0, 1 - np.sum(p[0:-1]))np.random.choiceValueError: probabilities are not non-negative
0赞
Reza Roboubi
1/15/2023
那好吧......这是生成该错误的源代码，但我不确定解决问题的最佳方法是什么，或者为什么 numpy 还没有修复它。github.com/numpy/numpy/blob/main/numpy/random/mtrand.pyx
1赞
Reza Roboubi
1/15/2023
好的，我的问题似乎已经解决了：p = np.array（p， dtype=numpy.float64），即类型转换。我使用的是 Jax 数组。我的错。
评论