perceptron等模型验证准确率舍入为3位小数的问题排查

这是我首次使用perceptron、ave perceptron和pegasos模型开展实验。目前我编写的函数已通过多组测试用例验证，但在统计准确率时发现，所有验证准确率数值均被向下舍入到3 dp（3位小数）。

请问是否是以下这段代码导致了该问题？

pred = np.where(decision > np.finfo(float).eps, 1.0, -1.0)

补充说明 #

我已将上述代码修改为如下形式，但验证准确率的输出未发生任何变化。

pred = np.where(decision >= 1e-16, 1.0, -1.0)

你贴的这两段预测标签生成代码，完全不会导致准确率被舍入到3位小数的问题。

这两段代码的作用只是给决策值decision加了极小的浮点误差容忍阈值，以此判断输出1.0还是-1.0的分类标签，逻辑里没有任何对数值做小数位截断、舍入的操作。你修改阈值后准确率输出没有任何变化，刚好能佐证这一点：阈值调整根本没有改变最终生成的预测标签，自然不会对准确率数值产生影响。

准确率被固定舍入到3位小数，问题基本出在后续环节，你可以按下面的顺序排查：

• 优先检查准确率的输出格式化逻辑：最常见的情况是打印时用了类似print(f"验证准确率：{acc:.3f}")的写法，强制指定了只保留3位小数输出；或是代码里显式调用了round(acc, 3)、np.round(acc, 3)这类舍入函数
• 检查准确率计算链路：看有没有手动做精度截断的写法，比如类似acc = int(correct_num / total_num * 1000) / 1000这种会把数值强制截断到千分位的逻辑
• 小概率情况是验证集样本量刚好为1000，此时准确率的最小粒度就是1/1000=0.001，天然只有3位小数，但这种情况不会出现“向下舍入”的特征，概率极低

排查时可以先在准确率计算完成、还没做任何输出/后续处理的位置，直接打印原始的准确率变量值，不要加任何格式化修饰：如果原始值精度高于3位，直接定位到输出格式化的问题即可；如果原始值本身就只有3位，再顺着计算链路往前逐行打印中间值，找到做截断的代码位置就行。

内容的提问来源于stack exchange，提问作者james hamilton