我应该将目标类转换为浮点数还是整数

Question

在sklearn中，我应该将target class转换为integer or float吗？会有所作为吗？

我问是因为我正在训练一个Neural Network并在这个问题中读到，将一个类转换为浮点数可能会导致问题。

那么根据这个问题，我认为答案是Integer，但我想知道是否是这种情况以及为什么。

Answer 1

在Scikit-learn中，将目标类转换为浮点数或整数类型（甚至是字符串，请参阅：分类中的目标变量是否需要数字编码？）是无动于衷的，它们都是允许的。您只需要注意分类目标将保持与输入相同的类型，因此，如果您的输入是浮点型，您将获得预测的浮点向量（请参阅：https://scikit-learn.org/stable/tutorial/basic/tutorial.html#type-casting）。

在此示例中，您将直接验证KNeighborsClassifier将如何生成相同的类预测（但数据类型不同，具体取决于目标类输入类型）：

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
data = load_iris()
(X_train, X_test, 
 y_train, y_test) = train_test_split(data.data,
                                     data.target,
                                     test_size=0.33,
                                     random_state=42)
neigh = KNeighborsClassifier(n_neighbors=3)
neigh.fit(X_train, y_train.astype(int))
int_preds = neigh.predict(X_test)
neigh.fit(X_train, y_train.astype(float))
float_preds = neigh.predict(X_test)
print(int_preds.dtype, float_preds.dtype)
print("Same classes:", (int_preds == float_preds).all())