我在python中使用基本的快捷方法得到了一个非常奇怪的错误。似乎,除非我非常愚蠢,否则我得到A = A + B和A + = B的不同值。这是我的代码:
def variance(phi,sigma,numberOfIterations):
variance = sigma
for k in range(1,numberOfIterations):
phik = np.linalg.matrix_power(phi,k)
variance = variance + phik*sigma*phik.T
return variance
这基本上只计算向量自回归的协方差。所以:
phi = np.matrix('0.7 0.2 -0.1; 0.001 0.8 0.1; 0.001 0.002 0.9')
sigma = np.matrix('0.07 0.01 0.001; 0.01 0.05 0.004; 0.001 0.004 0.01')
我明白了:
variance(phi,sigma,10) =
[[ 0.1825225 0.07054728 0.00430524]
[ 0.07054728 0.14837229 0.02659357]
[ 0.00430524 0.02659357 0.04657858]]
我认为这是正确的(与Matlab一致)。现在,如果我将上面的行更改为
variance += phik*sigma*(phik.T)
我明白了:
variance(phi,sigma,10) =
[[ 0.34537165 0.20258329 0.04365378]
[ 0.20258329 0.33471052 0.1529369 ]
[ 0.04365378 0.1529369 0.19684553]]
怎么回事?
非常感谢
丹
答案 0 :(得分:7)
罪魁祸首是:
variance = sigma
如果您将其更改为:
variance = sigma.copy()
你会看到正确的结果。
这是因为+=
实际上执行了(更有效的)就地添加...由于variance
和sigma
都引用了同一个数组,都将会被更新。例如:
>>> sigma = np.array([1])
>>> variance = sigma
>>> variance += 3
>>> sigma
array([4])