将 float64 数据类型与 scikit-learn ML 算法一起使用是不是合适？

Posted 2023-03-13

【中文标题】将 float64 数据类型与 scikit-learn ML 算法一起使用是不是合适？

【英文标题】：is it proper to use float64 data type with scikit-learn ML algorithms?将 float64 数据类型与 scikit-learn ML 算法一起使用是否合适？

【发布时间】：2015-04-26 17:05:00

【问题描述】：

我正在尝试使用 scikit-learn 为给定 here 的数据集执行决策树和 SVM。我的目的是比较这两种算法，以便我对这两种算法都使用 KFold 交叉验证方法并显示差异。但是我正在使用的数据集包含实数，例如 0.00057。我得到的准确性可以说没有过度拟合，但我不确定实数是否会影响结果。

给scikit-learn内置分类函数实数有问题吗？如果是，我应该怎么做才能得到更好的结果？

PS：当我在 python 中检查单个数据的类型时，我发现它是 float64。

【问题讨论】：

实数是什么意思？ float64 的精度比 0.00057 高得多，当您获得结果时，您要么要求对预测类别进行分类，要么要求进行一些其他评估，例如概率似然或置信度，所有这些都将在 float64 中计算

我的意思是实数的高精度数字。当我将数据集加载到二维数组中时，python 将数组的类型设置为 float64。我想知道在执行分类拟合或预测函数时使用其他数据类型是否更好。

您的数据将被转换为 sklearn 支持的兼容 dtypes，因此除非您的数据的精度高于 float64，否则应该不是问题

因此在执行算法时无需担心数据类型。谢谢！

我担心你的数字范围。通常，standardize 您的数据会有所帮助，也就是说，使其具有零均值和单位变化。

【参考方案1】：

DecisionTreeClassifier 和 SVC 在内部使用 float32 来表示特征。他们会将任何输入数据转换为这种格式。对于机器学习任务，这通常是绰绰有余的。