关于网站开发网页上传和网站发布开发游戏需要多少资金

🍉 CSDN 叶庭云：https://yetingyun.blog.csdn.net/

---

下面这段代码中 predictions 数组在赋值后全为 0 的根本原因是数据类型不匹配导致的隐式类型转换，保存概率值时会被截断为 0 或 1。具体分析如下：

import numpy as npsamples = 100
y = np.random.randint(0, 2, size=samples)
y_pred = np.random.randint(0, 2, size=samples)
y_pred_proba = np.random.rand(samples).astype(np.float32)
print(y, len(y))
print(y_pred, len(y_pred))
print(y_pred_proba, len(y_pred_proba))print("=" * 100)
predictions = np.zeros_like(y_pred)
print(predictions, len(predictions))
predictions[:] = y_pred_proba
print(predictions, len(predictions))

---

1. 错误原因分析

1. 初始化数据类型错误：

   • y_pred 是 np.random.randint(0, 2) 生成的，默认数据类型为 int。

   • np.zeros_like(y_pred) 会继承 y_pred 的 int 类型，因此 predictions 是整型数组。

2. 浮点数到整型的强制转换：

   • y_pred_proba 是 np.random.rand 生成的浮点数组（float32）。

   • 当执行 predictions[:] = y_pred_proba 时，右侧的浮点数会被强制转换为左侧的整型，导致小数部分被截断。例如，0.95 -> 0，0.19 -> 0。

   • 最终，所有 y_pred_proba 中的浮点值都会变成 0，导致 predictions 全为 0。

---

2. 修正方法

核心思路：确保 predictions 的数据类型与 y_pred_proba 兼容（即浮点类型）。

2.1 高效且精确的修正代码

# 修正后的关键行：显式指定浮点类型
predictions = np.zeros_like(y_pred, dtype=np.float32)  # 强制为浮点类型
predictions[:] = y_pred_proba

2.2 修正原理

1. 显式指定数据类型：

   • np.zeros_like(y_pred, dtype=np.float32) 会创建一个与 y_pred 形状相同但数据类型为 float32 的数组。

   • 此时 predictions 可以正确存储浮点数值，避免类型转换。

2. 赋值操作保留精度：

   • 右侧的 y_pred_proba（float32）可以直接赋值给左侧的浮点数组，无精度损失。

---

3. 完整修正代码

import numpy as npsamples = 100
y = np.random.randint(0, 2, size=samples)
y_pred = np.random.randint(0, 2, size=samples)
y_pred_proba = np.random.rand(samples).astype(np.float32)
print(y, len(y))
print(y_pred, len(y_pred))
print(y_pred_proba, len(y_pred_proba))print("=" * 100)
predictions = np.zeros_like(y_pred)
print(predictions, len(predictions))
predictions[:] = y_pred_proba
print(predictions, len(predictions))
predictions = np.zeros_like(y_pred, dtype=np.float32)
predictions[:] = y_pred_proba
print(predictions, len(predictions))

---

4. 其他可行方案

1. 直接使用浮点初始化：

predictions = np.zeros(samples, dtype=np.float32)

2. 复用 y_pred_proba 的数据类型：

predictions = np.zeros_like(y_pred_proba)

---

5. 总结

• 根本原因：整型数组无法存储浮点数值，这会引起隐式类型转换。

• 修正关键：确保目标数组的数据类型与源数据相匹配（浮点数类型：np.float32、np.float64）。

---