Question

让我们说我有如下函数：

testFunction <- function(testInputs){
    print( sum(testInputs)+1 == 2 )
    return( sum(testInputs) == 1 )
}

当我在命令行上使用以下输入测试：c（0.65,0.3,0.05）时，它会打印并按预期返回TRUE。

然而，当我使用c（1-0.3-0.05,0.3,0.05）时，我得到TRUE打印并返回FALSE。这没有任何意义，因为它意味着sum（testInputs）+1为2但sum（testInputs）不是1.

这就是我的想法：不知何故，印刷值不是1，但可能是0.9999999 ......，并在显示屏上进行了四舍五入。但这只是猜测。这是如何工作的？

Answer 1

这完全是一个浮点问题，但对我而言有趣的是它如何证明<button class="toggle_menu"> <i class="far fa-circle"></i> </button>的返回值会产生此错误，但是sum()你得不到它

在评论中查看有关浮点数学的链接。以下是如何处理它：

对我而言，引人入胜的是：

sum(1-0.3-0.5, 0.3, 0.05) == 1
# [1] FALSE
dplyr::near(sum(1-0.3-0.05, 0.3, 0.05), 1)
# [1] TRUE

因为无法预测浮点运算的各种实现将如何表现，所以需要对其进行校正。在此处，使用(1 - 0.3 - 0.05 + 0.3 + 0.05) == 1 # [1] TRUE而不是==。跨语言可以找到这个问题（浮点数学是不精确的，也是不可预测的）。语言中的不同实现将导致不同的浮点错误。

正如我在this answer to another floating point question中所讨论的那样，dplyr::near()与dplyr::near()一样，具有容差论证，此处为all.equal()。默认设置为tol。 .Machine$double.eps^0.5是您的计算机可以添加到.Machine$double.eps的最小数字，并且能够将其与1区分开来。这不是确切的，但它正处于这个数量级。取平方根使它比它大一点，并且允许您准确地识别那些关闭的值，这将导致失败的相等测试可能是浮点错误。

注意：是的，1在dplyr中，我几乎总是加载，所以我忘了它不在基础...你可以使用near()，但看看源代码all.equal()。这正是你所需要的，没有你不需要的东西：

near()

具有相同输入的相同函数返回不同的值

1 个答案: