知识卡片
浮点误差还取决于算法
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?
这张卡片的反馈已满 10 条,暂时无法继续提交。
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.