知识卡片

普通读书笔记卡 · 5716

浮点误差还取决于算法

理解等级:中级

同样的浮点数据,用不同算法或运算次序,误差可能不同。原例把巨大正值、小值与巨大负值顺序累加,小值可能在抵消前被舍去;fsum用于更稳健的求和,但不解决所有数值算法的误差传播。float精度讨论应看有效数字、量级和条件,不能把原书17位说成固定小数点后17位,也不能笼统忽略工程误差。

这张卡片看不懂?

已有反馈 · 0 / 10 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      相减抵消(subtractive cancellation)以及把大数和小数加在一起时的情况多加小心。示例如下: >>> nums = [1.23e+18, 1, -1.23e+18] >>> sum(nums) # Notice how 1 disappears 0.

    参考来源

    - 位置:《Python Cookbook(第3版)中文版》3.2 执行精确的小数计算(spine11;extracted/Python Cookbook(第3版)中文版/_epub-src/OEBPS/Text/part0009.xhtml;u046-ch03-004)。 - 结论依据:已完整读取本条问题、代码与讨论;明确数值表示、精度与编码契约,例子不冒称当前解释器已运行结果。 - 原始内容:相减抵消(subtractive cancellation)以及把大数和小数加在一起时的情况多加小心。示例如下: >>> nums = [1.23e+18, 1, -1.23e+18] >>> sum(nums) # Notice how 1 disappears 0.