Rounding Error

• 디지털 컴퓨터에서 연속적인 대상을 다루는 수학을 처리할 경우 근본적인 문제가 있다.
• 무한에 가까운 정보를 정해진 비트 패턴으로 표현해야 한다는 것이다.
• 이는 거의 모든 실수의 경우 근사 오차가 발생한다는 것을 암시한다.
• 근사 방법을 반올림을 선택한 경우 이를 반올림 오차라고 한다.
• 보통의 경우 이러한 오차는 큰 문제를 발생시키지 않지만, 여러 연산을 거치는 경우 문제가 커진다.
• 여러 연산을 거치게 되면, 오차가 누적되어 결과값이 크게 달라질 수 있기 때문이다.
• Underflow 또는 Overflow가 발생할 수 있다.

예시

• Softmax Function을 예로 들어보자.

$$f(x_i)=\frac{e^{x_i}}{{\sum }_{j=1}^K{e}^{x_j}}$$

• $K$개의 $x$가 모두 같은 값 $c$라고 해보자.
• 그럴 경우 $x_i$가 될 확률은 모두 같아야 한다.
• 하지만 수치적으로는 그렇게 되지 않을 수 있다.
• $c$가 너무 작거나, 너무 큰 경우를 생각해보자.
• 매우 작을 경우 분모가 0에 가까워져 전체값이 발산해버릴 것이고,
• 매우 클 경우 전체값이 0에 수렴할 것이다.
• 이러한 문제를 해결하기 위해서는 적절한 스케일링이 필요하다.

Reference

• Condition Number]