如何将数据类型更改为 float64，以便 sklearn 可以处理数据大于 np.float32 的数据帧

Question

在我的数据集中，很少有数据（即1.4619664882428694e+258）大于float32最大值（3.4028235e+38）。现在在拟合模型期间，我收到以下错误：

Input contains NaN, infinity or a value too large for dtype('float32').

我试过下面的代码：

df_features = pd.read_csv('data\df_features.csv')
df_target = pd.read_csv('data\df_target.csv')

X_train, X_test, y_train, y_test = train_test_split(df_features, df_target, test_size=.25, random_state=0)

model = AdaBoostRegressor()

try:
    model.fit(X_train, y_train)
    y_pred = model.predict(X_test)
    acc = r2_score(y_test, y_pred)
    print(acc)

except Exception as error:
    print(error)

如果我想使用真实数据而不进行规范化，我该如何解决这个问题？是否有任何选项，以便我可以将 sklearn 的默认数据类型设置为 float64。如果是，那么如何？

Answer 1

这是一个数值精度问题。目前没有解决方案。数字是巨大的

我可以使用这个复制：

import numpy as np
from sklearn.ensemble import AdaBoostRegressor


X = np.repeat([1.4619664882428694e+258],100)
X = X.reshape(10,10)
y = np.ones((10,1))

model = AdaBoostRegressor()
model.fit(X,y)

ValueError：输入包含 NaN、无穷大或对于 dtype('float32') 来说太大的值。

np.all(np.isfinite(X))
True

我在这里提出了一个请求： https: //github.com/scikit-learn/scikit-learn/issues/15628