Machine learning 我的RandomForest不断为模型返回完全相同的概率。无论输入如何，预测概率（）

根据血糖、血压、BMI和年龄等参数，该代码可以预测糖尿病发生的可能性：

我首先必须修剪掉我不需要的柱子：

 df=pd.read_csv('diabetes.csv')
    keep_col = ['Glucose', 'BloodPressure','BMI', 'Age', 'Outcome']
    df = df[keep_col]
    df.to_csv('newFile.csv', index=False)

然后我不得不平衡数据集，因为没有糖尿病的患者数量是其他患者的两倍：

shuffled_df = df.sample(frac=1,random_state=4)
fraud_df = df.loc[shuffled_df['Outcome'] == 1]
non_fraud_df = shuffled_df.loc[shuffled_df['Outcome'] == 0].sample(n=684,random_state=42)
df = pd.concat([fraud_df, non_fraud_df])

制作培训和测试集：

X = df.iloc[:,:-1].values
Y = df.iloc[:,-1].values

X_train, X_test, Y_train, Y_test = train_test_split(X,Y, test_size = 0.25)

sc = StandardScaler()
X_train = sc.fit_transform(X_train)
X_test = sc.transform(X_test)

培训模型：

model = RandomForestClassifier(n_estimators=1, criterion='entropy', random_state=1)
model.fit(X_train, Y_train)

测试精度，这通常会返回到任何地方。95-1：

model.score(X_train, Y_train)

打印真负片、真正片、假负片和假正片的数量：

cm = confusion_matrix(Y_test, model.predict(X_test))

TN = cm[0][0]
TP = cm[1][1]
FN = cm[1][0]
FP = cm[0][1]

print(cm)

print('Model Test Accuracy = {}'. format( (TP + TN )/ (TP + TN + FN + FP) ) )

模型试验精度通常在80%以上

最后，当我使用该模型进行新预测时，例如：

model.predict_proba([[140,77,25,30]])

它总是返回相同的值，例如“数组（[.3，[.6]]），即使我将血糖从140切换到190，或者如果我将BMI从25切换到30等等。概率变化的唯一时间是当我改变估计数的数量时，但即使如此，它们也不会随着不同的输入而变化

---

对此问题的任何帮助都将不胜感激

如前所述，一个随机林通常由几棵树（估计数）组成，因此您应该将其更改为例如100。由于变量如此之少，不同的

X

不太可能得到相同的概率，因为它们可能都在同一个叶中。您是否尝试过更显著地更改

X

值，例如将它们全部设置为0或非常小而不是非常高的值？如果运行

model.predict\u proba（X\u test）

，它会返回什么？另外，我不知道你的树有多深，所以你可能也必须改变它以获得更多的异质性

---

仅供参考，这是优化随机林参数的一个很好的指南：

请注意，n_估计器是随机林中的树数。您将树的数量设置为1，这意味着它不再是一个集合。您可能还需要更改随机林的其他参数。您好，欢迎使用SO。（1） 返回的值总和不等于1，这似乎很奇怪。（2） 为了增加获得有用答案的机会，如果您提供再现所述行为的最小工作示例，可能会有所帮助。（3） 而且，严格地说，这不是编码问题，因此您可能有更好的机会在