numpy转float32后RadiusNeighborsRegressor仍报输入值超限错误

算力阿峰

2026-11-2

问题根因定位

报错并非来自你转换的float32格式原始数据，而是RadiusNeighborsRegressor计算环节生成的无效值。你之前做的dropna()、fillna(0)仅处理原始输入的缺失，完全覆盖不到模型计算过程中产生的NaN、inf问题。
两个高频触发报错的场景：
- RadiusNeighborsRegressor默认使用radius=1.0的固定半径计算邻域，如果原始特征未做缩放、量纲差异极大（比如信用额度是数十万级、退票次数是个位数级），1单位的半径范围内根本找不到任何训练样本，模型会直接对这些测试点返回NaN。无论你后续替换为MSE还是MSLE作为误差函数，只要用包含NaN的预测值计算指标，就会触发“存在NaN、无穷大或超出float32范围”的校验报错。
- KNN类模型基于样本距离计算结果，对数值尺度极其敏感。如果不同特征的数值差跨越多个数量级，计算欧式距离时很容易出现数值溢出，生成inf型无效值，同样会触发校验报错。
你测试LinearRegression不报错的原因是：线性模型基于最小二乘求解，不需要计算样本间的距离，对特征量纲不敏感，只要原始训练数据没有缺失，预测值就不会凭空生成NaN/inf，自然不会触发同类校验报错。

分步解决方案

先做无效值溯源，不要直接计算误差：拿到模型预测值后先加校验代码，确认无效值是来自原始输入还是模型输出：

pred = model.predict(xTest)
# 检查各环节的无效值
print(f"原始X的无效值数量：{np.isnan(X).sum() + np.isinf(X).sum()}")
print(f"预测值中的NaN数量：{np.isnan(pred).sum()}")
print(f"预测值中的inf数量：{np.isinf(pred).sum()}")
print(f"原始X的数值范围：{X.min()} ~ {X.max()}")

你大概率会看到预测值里存在大量NaN，根源就是默认半径过小，邻域内无有效样本。

对输入特征做标准化处理，从根源避免距离计算溢出：
KNN类模型必须对特征做缩放，把不同量纲的特征统一缩到均值为0、标准差为1的范围，既避免不同特征量纲差过大导致的距离计算溢出，也能让半径参数具备实际意义。注意缩放时要避免数据泄漏，只在训练集上拟合缩放器：
```
from sklearn.preprocessing import StandardScaler
# 分割训练/测试集后执行缩放
scaler = StandardScaler()
xTrain_scaled = scaler.fit_transform(xTrain)
xTest_scaled = scaler.transform(xTest)
```
调整模型参数，避免邻域为空：
不要硬用模型默认的1.0半径，结合缩放后的数据分布（通常标准化后特征落在-3~3区间）把半径调到合理范围（比如2.0、5.0），保证每个测试点的半径范围内能覆盖至少几个训练样本，从根源避免预测返回NaN。

增加兜底校验逻辑：
哪怕做了以上处理，也可以在计算误差前过滤掉所有包含NaN、inf的样本，避免偶发无效值触发报错：

# 生成有效样本掩码
valid_mask = ~(np.isnan(yTest) | np.isnan(pred) | np.isinf(yTest) | np.isinf(pred))
err = mean_squared_error(yTest[valid_mask], pred[valid_mask])

如果需要使用mean_squared_log_error计算误差，额外加一层值域处理：
该指标要求所有输入值必须非负，需要把预测值和真实值里的负数、零值做截断处理，避免触发值域校验报错：
```
yTest_clipped = np.maximum(yTest, 0)
pred_clipped = np.maximum(pred, 0)
err = mean_squared_log_error(yTest_clipped[valid_mask], pred_clipped[valid_mask])
```

按照以上步骤调整后，你遇到的float32范围报错、无效值报错都会消失，不需要强制更换其他模型。

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