Question

我上面有这个测试。我的问题是经过训练我的机器学习模型，每次结果都有点不同。

所以，我希望在我的Flask-api中类似时断言为TRUE。

ChangeToSurvive为float，有时为29.2，经过培训后再次更改为30.5或其他号码。

def test_by_name(self):
    post_data = {
        'name': 'Andre'
    }
    resp = self.app.post('/survivals',
                         data=json.dumps(post_data),
                         content_type='application/json')
    self.assertEqual(resp.status_code, 200)
    self.assertEqual(resp.content_type, 'application/json')

    content = json.loads(resp.get_data(as_text=True))
    size = len(content['Passengers'])
    self.assertEqual(size, 2)

    self.maxDiff = None 

    expected = {
"Passengers": [
    {
        "SibSp": 1,
        "Sex": "0",
        "PassengerId": 925,
        "Survived": 1,
        "Parch": 2,
        "Age": 1,
        "Name": "Johnston, Mrs. Andrew G (Elizabeth Lily\" Watson)\"",
        "ChangeToSurvive": 74.7,
        "Embarked": "0"
    },
    {
        "SibSp": 0,
        "Sex": "1",
        "PassengerId": 1096,
        "Survived": 0,
        "Parch": 0,
        "Age": 1,
        "Name": "Andrew, Mr. Frank Thomas",
        "ChangeToSurvive": 29.2,
        "Embarked": "0"
    }
]
}
    self.assertEqual(content, expected)   # each train in a model the ChangeToSurvive can a little diferrent

Answer 1

unittest为此目的采用assertAlmostEqual方法：

actual_value = # extract float value from content
expected_value = # extract float value from expected
delta = 1.7
self.assertAlmostEqual(actual_value, expected_value, delta = delta)

您需要对要验证的词典中的所有值重复此操作。最好用测试实用程序方法包装它。

我可以比较单元测试中的2个浮点数的相似性而不是相等吗？

1 个答案: