运行一个小实验，我注意到如果传递给multinomial.pmf的参数之和稍微大于1，则返回值为nan。
请参见下面的示例：
import numpy as np
from scipy.stats import multinomial as multi_s
def safe_multi(x, params):
params_sum = params.sum()
safe_params = params / params_sum if params_sum > 1 else params
return multi_s.pmf(x, sum(x), safe_params)
params1 = np.array(
[0.21310660657549002, 0.21310660657549002, 0.21310660657549002,
2.8699968847179538e-06, 0.0023286820110742764, 2.8699968847179538e-06,
0.0023286820110742764, 2.8699968847179538e-06, 2.8699968847179538e-06,
0.0023258120141895593, 0.0016006555371205703, 0.0023258120141895593,
0.0016006555371205703, 0.04333851102588555, 0.04333851102588555,
0.04333851102588555, 0.04333851102588555, 0.04333851102588555,
0.04333851102588555, 0.04333851102588555, 0.04333851102588555,
0.0007251564770689873, 0.0007251564770689873, 7.377915317967555e-27,
7.377915317967555e-27])
params2 = np.array(
[0.3333333333333332, 0.3333333333333332, 0.3333333333333332,
2.931077467598623e-93, 6.532951191692606e-25, 1.4080539652716124e-224,
6.532951191692606e-25, 1.4080539652716124e-224, 1.4080539652716124e-224,
6.532951191692606e-25, 6.532951191692606e-25, 6.532951191692606e-25,
6.532951191692606e-25, 3.5127398105835854e-17, 3.5127398105835854e-17,
3.5127398105835854e-17, 3.5127398105835854e-17, 3.5127398105835854e-17,
3.5127398105835854e-17, 3.5127398105835854e-17, 3.5127398105835854e-17,
7.860388790608641e-191, 7.860388790608641e-191, 2.931077467598623e-93,
2.931077467598623e-93])
samples = np.array(
[1.0, 1.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0,
0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0])
result1_scipy = multi_s.pmf(samples, samples.sum(), params1)
result2_scipy = multi_s.pmf(samples, samples.sum(), params2)
print(result1_scipy, result2_scipy)
print(params1.sum(), params2.sum())
print('-----------------')
result1_scipy_sum = multi_s.pmf(samples, samples.sum(), params1 / params1.sum())
result2_scipy_sum = multi_s.pmf(samples, samples.sum(), params2 / params2.sum())
print(result1_scipy_sum, result2_scipy_sum)
print((params1 / params1.sum()).sum(), (params2 / params2.sum()).sum())
print('-----------------')
result1 = safe_multi(samples, params1)
result2 = safe_multi(samples, params2)
print(result1, result2)输出为：
nan 0.22222222222222202
1.0000000000000002 0.9999999999999999
-----------------
0.058068684987554825 nan
0.9999999999999998 1.0000000000000002
-----------------
0.058068684987554825 0.22222222222222202有没有更好的方法可以处理参数可能发生的数值溢出？我的safe_multi（） Package 器似乎可以解决这个问题，但我对处理这个问题的最佳实践感兴趣。
编辑：我发现了一个例子，如下所示，它似乎总是返回nan，尽管参数的和为1。
c = np.array(
[1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0,
0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0,
0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0,
0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0,
0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0,
0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0,
0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0,
0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0,
0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0,
0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0,
0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0,
0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0,
0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0])
params = np.array(
[0.02702702702702703, 0.02702702702702703, 0.0, 0.0, 0.0,
0.04054054054054054, 0.0, 0.0, 0.0, 0.0, 0.06756756756756757,
0.0945945945945946, 0.06756756756756757, 0.06756756756756757,
0.04054054054054054, 0.04054054054054054, 0.06756756756756757,
0.06756756756756757, 0.013513513513513514, 0.013513513513513514, 0.0, 0.0,
0.0, 0.0, 0.0, 0.0, 0.0, 0.04054054054054054, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0,
0.0, 0.013513513513513514, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0,
0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0,
0.0, 0.0, 0.0, 0.04054054054054054, 0.013513513513513514,
0.013513513513513514, 0.013513513513513514, 0.013513513513513514, 0.0, 0.0,
0.0, 0.0, 0.013513513513513514, 0.013513513513513514, 0.0, 0.0, 0.0, 0.0,
0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0,
0.0, 0.02702702702702703, 0.02702702702702703, 0.013513513513513514,
0.013513513513513514, 0.0, 0.0, 0.0, 0.0, 0.0, 0.013513513513513514, 0.0,
0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0,
0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0,
0.013513513513513514, 0.013513513513513514, 0.013513513513513514,
0.013513513513513514, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.013513513513513514,
0.0, 0.0, 0.0, 0.0, 0.013513513513513514, 0.013513513513513514, 0.0, 0.0,
0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0,
0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0,
0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0])
print(multi_s.pmf(c, c.sum(), params))
print(multi_s.pmf(c, c.sum(), params / params.sum()))
print(params.sum())输出量：
nan
nan
1.0分析了scipy代码后，似乎问题出在_multivariate.py的第3012行：
p[..., -1] = 1. - p[..., :-1].sum(axis=-1)此行通过将最后一个参数设置为适当的值来确保参数之和为1。在上面的示例中，这为最后一个参数添加了一个极小的负值，该负值随后将被标记为问题。为了确保满足此条件，是否可以除以参数之和，而不是执行减法？
1条答案
按热度按时间iugsix8n1#
nan值是通过pmf（）方法中的有效性检查引入的。pmf（）方法（以及logpmf（）） Package 了_logpmf（），它计算对数概率密度函数而不进行任何有效性检查。如果您信任您的输入并希望避免nan值，则可以直接使用多项式._logpmf（）代替：
在您编辑的示例上运行此命令将得到预期的结果：
输出为：