我训练了Vertex AI预测AutoML模型，其中一个模型的目标列为String，其他数字输入特征为String，然后我训练了另一个模型，目标列为float，其他输入特征为Integer。
两种模型的预测不同。只有更改了数据类型/架构，数据才相同。
谷歌文档显示：
当您使用具有数字转换的特征来训练模型时，Vertex AI将以下数据转换应用于特征，并使用任何为训练提供信号的：
- 转换为float32的值
因此，即使在转换之后，两个数据也应该相同。为什么结果会有所不同？有可能吗？
我已经按照步骤建立了一个预测模型，如使用顶点AI构建AutoML预测模型所示，并得出结论，顶点AI压缩了预测模型生成的许多步骤，因此用户可以轻松操作。
我认为，对于字符串和数值中的观察，最合理的答案在于执行数据处理以生成我们的预测模型的方式。我认为你不会在顶点人工智能文档中找到，因为这意味着要披露顶点人工智能代码是如何工作和处理其特征工程的，并训练生成模型的步骤，这是受保护的。
无论如何，让我们推测一下，我认为当数据类型被转换并传递给算法进行处理时，数据类型转换之间的差异可能会发生。让我们说一个线性回归样本，你会发现数据转换的最微小变化都会影响预测模型的结果，这也可能是这里发生的事情。