Как мне реализовать численно стабильный взвешенный logaddexp?

Какой самый численно устойчивый способ расчета:

log[(wx * exp(x) + wy * exp_y)/(wx + wy)]

где веса wx, wy > 0?

Без весов эта функция является logaddexp и может быть реализована в Python с помощью NumPy как:

tmp = x - y
return np.where(tmp > 0,
                x + np.log1p(np.exp(-tmp)),
                y + np.log1p(np.exp(tmp)))

Как мне обобщить это для взвешенной версии?

7 голосов | спросил Neil G 12 J000000Sunday15 2015, 14:07:06

2 ответа


0

Вы можете использовать оригинальную функцию logaddexp для этой цели, если переписать взвешенное выражение как,

новое выражение logadd

Это эквивалентно

logaddexp( x + log(w_x), y + log(w_y) ) - log(w_x + w_y)

, который должен быть столь же численно устойчивым, как и исходная реализация logaddexp.

Примечание. Я имею в виду numpy.logaddexp , которая принимает x и y, а не x и exp_y, как вы упомянули в вопросе.

ответил rth 12 J000000Sunday15 2015, 19:53:43
0
def weighted_logaddexp(x, wx, y, wy):
    # Returns:
    #   log[(wx * exp(x) + wy * exp_y)/(wx + wy)]
    #   = log(wx/(wx+wy)) + x + log(1 + exp(y - x + log(wy)-log(wx)))
    #   = log1p(-wy/(wx+wy)) + x + log1p((wy exp_y) / (wx exp(x)))
    if wx == 0.0:
        return y
    if wy == 0.0:
        return x
    total_w = wx + wy
    first_term = np.where(wx > wy,
                          np.log1p(-wy / total_w),
                          np.log1p(-wx / total_w))
    exp_x = np.exp(x)
    exp_y = np.exp(y)
    wx_exp_x = wx * exp_x
    wy_exp_y = wy * exp_y
    return np.where(wy_exp_y < wx_exp_x,
                    x + np.log1p(wy_exp_y / wx_exp_x),
                    y + np.log1p(wx_exp_x / wy_exp_y)) + first_term

Вот как я сравнил два решения:

import math
import numpy as np
import mpmath as mp
from tools.numpy import weighted_logaddexp

def average_error(ideal_function, test_function, n_args):
    x_y = [np.linspace(0.1, 3, 20) for _ in range(n_args)]
    xs_ys = np.meshgrid(*x_y)

    def e(*args):
        return ideal_function(*args) - test_function(*args)
    e = np.frompyfunc(e, n_args, 1)
    error = e(*xs_ys) ** 2
    return np.mean(error)


def ideal_function(x, wx, y, wy):
    return mp.log((mp.exp(x) * wx + mp.exp(y) * wy) / mp.fadd(wx, wy))

def test_function(x, wx, y, wy):
    return np.logaddexp(x + math.log(wx), y + math.log(wy)) - math.log(wx + wy)

mp.prec = 100
print(average_error(ideal_function, weighted_logaddexp, 4))
print(average_error(ideal_function, test_function, 4))
ответил Neil G 12 J000000Sunday15 2015, 21:51:38

Похожие вопросы

Популярные теги

security × 330linux × 316macos × 2827 × 268performance × 244command-line × 241sql-server × 235joomla-3.x × 222java × 189c++ × 186windows × 180cisco × 168bash × 158c# × 142gmail × 139arduino-uno × 139javascript × 134ssh × 133seo × 132mysql × 132