我正在使用 scikit-learn 决策树解决分类问题。 我的输入数据有 4 个小数点的精度。然而,由于binary representation errors它们内部的 numpy 表示可能具有超过 4 个小数点的重要性。
有没有办法让我在计算二叉树时指示 sklearn 算法不要使用超过 4 个小数点的阈值?否则恐怕在大深度下结果可能毫无意义。
请您参考如下方法:
在决策树的构造中避免与浮点表示相关的数字错误的一种可能方法是使用整数而不是 float 来拟合模型。如果您的输入数据具有 4 位精度,您只需将其乘以 104 并舍入到最接近的整数并将结果转换为整数,如下所示:
input_data = np.int32(np.around(input_data * 10**4))
通过此功能缩放,可以更准确地计算条件阈值。
演示
In [2]: import numpy as np
In [3]: input_data = np.array([0.0020, 17.0001, 531.4679])
In [4]: np.set_printoptions(precision=32)
In [5]: input_data
Out[5]:
array([ 2.00000000000000004163336342344337e-03,
1.70000999999999997669419826706871e+01,
5.31467899999999985993781592696905e+02])
In [6]: input_data = np.int32(np.around(input_data * 10**4))
In [7]: input_data
Out[7]: array([ 20, 170001, 5314679])
