顶点AI预测AutoML给出相同输入数据的不同答案

Question

我训练顶点AI预测AutoML模型，一个以目标列作为字符串，其他数字输入特征作为字符串，然后我训练另一个AutoML模型，目标列作为浮点，其他输入特征作为整数。

这两个模型的预测是不同的。数据是相同的，只是数据类型/架构发生了变化。

Google 文档说：

当您使用一个带有数字转换的特性来训练一个模型时，顶点AI将以下数据转换应用于该特性，并使用为培训提供信号的任何数据转换：

• 转换为float32的值。

因此，即使在转换之后，这两个数据也应该是相同的。为什么结果会有所不同？有可能吗？

Answer 1

我按照步骤建立了一个预测模型，并在利用顶点AI建立AutoML预测模型上显示，得出结论:顶点AI压缩了大量的预测模型生成步骤，便于用户操作。

我认为，您在字符串和数值中观察到的最合理的答案在于数据处理生成我们的预测模型的方式。我认为您不会在顶点AI文档中找到，因为它意味着披露顶点AI代码是如何工作的，并处理其特征工程和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，我认为在转换数据类型并将其传递给处理算法时，可能会出现数据类型转换之间的差异。让我们说一个线性回归样本，你会发现数据转换的微小变化会影响你的预测模型的结果，这也可能是这里发生的事情。