我试图使用Scikit-Learn（sklearn）隔离森林进行异常检测。我还使用sklearn2pmml库将模型转换为PMML格式。理想情况下，使用两者（pickle和PMML（使用JPMML Evaluator））文件进行预测应该产生与使用相同模型生成PMML相同的结果。
但是我发现几个记录的预测（异常得分）在3/4小数点处不匹配。例如使用pickle进行预测： - 0.975643并使用PMML文件进行相同记录的预测： - 0.975498。
我试图用boston数据集复制这个问题，该数据集是在sklearn中构建的。 我创建了隔离林（没有树：1）并转换为pickle文件和PMML.I然后使用python代码（how to extract the decision rules from scikit-learn decision-tree?）将pickle转换为文本格式，并将其与PMML文件进行比较。
我发现Python存储树节点阈值的方式与PMML不同。 例如PMML： - SimplePredicate field =“CHAS”operator =“lessOrEqual”value =“0.08887574”
Python Pickle： - 如果CHAS＆lt; = 0.0888757431362：
所以，pickle以numpy float64格式存储阈值，PMML存储在numpy float 32中。我想。
但是看看github上的sklearn代码，我猜sklearn还以numpy float32格式存储树阈值。那么为什么我的pickle存储值为float64而不是float32，因为0.0888757431362肯定不是float32。
如果有人对这个问题有任何想法或者我的假设是错误的，请告诉我。