Моя модель AdaBoost использует SAMME.R и дерево решений в качестве базового обучающего элемента для выполнения двоичной классификации, предварительная обработка выполняется с использованием MinMaxScaler. После преобразования в ONNX и выполнения вывода во время выполнения я заметил значительное (х5) увеличение количества ложноположительных результатов, но не ложноотрицательных результатов. Я предполагаю, что это вызвано некоторой потерей точности где-то с плавающей запятой. Как мне решить эту проблему?
Для справки я использовал следующий код для экспорта моей модели AdaBoost в ONNX:
def sklearn_to_onnx(model, scaler, training_sample: pd.DataFrame):
col_names = training_sample.columns.values.tolist()
data_types = [(("input", FloatTensorType([None, len(col_names)])))]
sk_pipeline = Pipeline(steps=[('scaling', scaler),
('classifier', model)])
model_onnx = convert_sklearn(sk_pipeline, initial_types=data_types, options={
id(sk_pipeline): {"zipmap": False}})
Подробнее здесь: https://stackoverflow.com/questions/798 ... ed-to-onnx
